待验证50% 置信事实精确时间
深度学习模型普遍存在过度自信问题，模型输出的概率值并不真实反映其预测正确的实际概率，这一现象被称为校准不良（Poor Calibration）
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证学术界将模型置信度与实际准确率存在显著偏差的现象称为校准不良（Poor Calibration）79% 相似待验证顶级学术深伪检测器在面对未见过的生成模型时，准确率可能从99%骤降至60%以下，这被称为跨模型泛化问题71% 相似待验证2023年多项独立研究表明部分顶级模型在标准数学推理测试中分数极高，但在等价的重新表述版本上成绩大幅下滑，表明模型学习的是测试模式而非真正的推理能力71% 相似待验证研究数据表明，在数学竞赛级别问题上，启用深度推理的模型准确率可从不足30%提升至80%以上68% 相似待验证困惑度是测试集上每个token平均负对数似然的指数，值越低代表模型对语料的预测越准确67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/894772API
curl https://kongchang.com/api/v1/knowledge/claims/894772MCP
get_claim(id=894772)