已验证75% 置信事实精确时间
LLM 在预训练阶段通过最大似然估计优化 token 预测概率，缺乏「知道自己不知道」的内在机制，置信度与准确性之间没有必然关联
3
来源数
75%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
AI垃圾代码泛滥：团队如何应对「氛围编程」危机
redditr/cursor2026/7/11
相关事实
待验证自监督学习不需要人工标注，而是从给定前文预测下一个 token 构造监督信号，这是 LLM 训练规模化的关键。79% 相似已验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效75% 相似待验证无信息基线指模型中不接收任何规则信息时的性能水平，通常接近随机猜测或依赖训练集偏置。74% 相似待验证小模型通过知识蒸馏通常比直接在标注数据上训练精度高出2-5个百分点73% 相似待验证SelectPFN 的研究证明了一个负面结果：平均情况下的训练并不能自动转化为固定真值下的频率派保证，因此模型在任意给定数据集上的假发现率控制需要额外机制。72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/491024API
curl https://kongchang.com/api/v1/knowledge/claims/491024MCP
get_claim(id=491024)