已验证65% 置信事实精确时间
LLM虽然不直接输出归一化概率向量，但可通过多种工程手段近似估计决策置信度
3
来源数
65%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
待验证LLM输出的置信度来自logits或token概率，是模型内部的相对偏好，并不等同于事件发生的真实频率，即模型可能过度自信。79% 相似待验证对LLM工程实践的启示包括：不要直接把模型输出的概率当作决策置信度使用；在无法转交人工的场景里应当显式设计保守回退策略；阈值选择需要统计保证。79% 相似待验证LLM可通过分析输出token的对数概率分布、思维链末尾自我评估、温度采样统计答案分布熵值等手段近似估计决策置信度79% 相似待验证当前 LLM 在代码生成时是基于概率分布生成下一个 token，而非基于工程经验做出系统性设计决策79% 相似待验证LLM的概率判断会受到证据表述方式、呈现顺序等无关因素的影响而发生漂移79% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/507715API
curl https://kongchang.com/api/v1/knowledge/claims/507715MCP
get_claim(id=507715)