已验证85% 置信事实精确时间

语义熵方法在技术实现上通过多次采样获得候选回答、使用NLI模型判断语义等价性聚类、最后计算语义类别上的熵值

5

来源数

85%

置信度

长期有效

时效性

2026/8/6

首次发现

来源

Alfa项目解析：用共振机制对抗AI幻觉的新思路

相关事实

待验证困惑度概念源自信息论中的熵（Shannon Entropy），本质上是语言模型每步预测的平均分支因子79% 相似待验证语义熵方法不依赖特定模型的内部结构，通过输出层面的语义一致性推断不确定性，泛化能力较强78% 相似待验证熵有效秩基于奇异值归一化后的香农熵：将奇异值平方归一化为概率分布，计算其熵并取指数，得到有效维度数。77% 相似待验证现有生成式推荐方法大多只使用标准的因果交叉熵目标来优化语义ID预测，忽略了语义ID本身的层级结构。74% 相似待验证递归熵风险度量在每个时间步嵌套应用风险算子，满足时间一致性，因此可以直接与贝尔曼方程结合73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/695813

API

curl https://kongchang.com/api/v1/knowledge/claims/695813

MCP

get_claim(id=695813)