待验证50% 置信权衡取舍精确时间
基于大语言模型的意图分类相比传统关键词规则引擎泛化能力更强，但分类边界不如硬规则透明
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证对于正字法规则明确的低资源语言，标准化表音正字法使得分词、句子切分等基础任务可以通过确定性规则完成，无需依赖数据饥渴的深度学习模型77% 相似待验证传统的关键词匹配或规则引擎只能处理字面信号，而大语言模型通过海量人类文本预训练习得了对语义和情感的整体理解能力76% 相似待验证当多个大语言模型对同一份文档的标注结果出现强烈分歧时，往往意味着该处的码本规则存在模糊、歧义或覆盖不足的问题76% 相似待验证大语言模型相比传统AST变换工具的优势在于能够在保持行为等价性的前提下进行需要理解的重构，但语义层面的等价性比语法层面更难机械化验证75% 相似待验证大语言模型容易受到锚定效应、选项顺序效应和权威暗示等隐性线索的影响75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/987706API
curl https://kongchang.com/api/v1/knowledge/claims/987706MCP
get_claim(id=987706)