待验证50% 置信权衡取舍精确时间

ADAS的核心决策必须可预测、可验证、可复现，而LLM的输出天然带有随机性

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

当1B小模型接管驾驶：一个关于本地AI与自动驾驶的黑色幽默警示

涉及实体

ADASconcept LLMconcept

相关事实

待验证由于LLM输出是概率性的，不能指望模型主动认错，验证必须在系统层面加上确定性保障67% 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66% 相似待验证传统自回归模型要得到可靠的概率分布通常需要额外处理或近似手段，扩散模型在这一点上有结构性优势65% 相似待验证由于大模型输出具有随机性，评估实践中常采用模型打分（LLM-as-Judge）、人工标注或基于参考答案的语义相似度等方式65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/947770

API

curl https://kongchang.com/api/v1/knowledge/claims/947770

MCP

get_claim(id=947770)