Unverified50% confidenceFactExact time
标准的 McNemar 检验假设比较的是两个确定性模型在单一固定测试集上的预测结果，而随机种子引入的是模型训练本身的变异性，这两种不确定性来源在概念上属于不同层次
1
Sources
50%
Confidence
Long-term
Relevance
7/13/2026
First Seen
Sources
McNemar检验对比机器学习模型：随机种子下的正确用法
redditr/learnmachinelearning7/11/2026
Related Claims
Unverified不同AI模型在预训练数据分布和RLHF对齐策略上存在差异，导致对同一问题有不同的推理路径，因此换模型有时能解决单一模型反复失败的问题69% similarUnverified预训练阶段的下一词预测目标让模型倾向生成自然流畅序列，而JSON等结构化格式在通用网络语料中占比有限，导致模型偶发格式违规69% similarUnverifiedThe inherently stochastic sampling of diffusion models means that each generation result differs even given the same prompt.69% similarUnverified大语言模型通过自监督预训练学习token序列的条件概率分布，本质上是统计压缩模型，无法通过统计特征区分正确与错误的数学证明69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/502210API
curl https://kongchang.com/api/v1/knowledge/claims/502210MCP
get_claim(id=502210)