置信度分数
模型对自身输出正确性给出的概率性估计，通常由模型logprob、多模型投票或专门校验模型生成，用于AI治理中的决策阈值判断
时间轴 (近 90 天)
在持续学习中，标准置信度分数会随任务推进而系统性偏移，模型对近期任务的输入过度自信，对旧任务和真正未知的输入给出混乱的置信度。
置信度分数是模型对自身回答可靠性的量化评估，通常由模型生成或通过额外模型计算；低置信度分数可触发人工审核或降级回复，避免错误传播。
在 Agentic IDP 系统中，Agent 对每个抽取字段通常给出置信度分数，来源可能包括模型 token 概率、多个抽取工具结果的一致性、或与业务规则的吻合程度。
目标检测模型的输出通常包含三要素：标签、边界框和置信度分数；与图像分类的核心区别在于目标检测还需定位物体在图像中的具体位置。
'信任恒温器'方案中，每个决策带有基于原则测得的置信度分数，高于阈值则自动执行，低于阈值则人工介入，人的判断被反馈进学习回路。
置信值通常来源于模型对各选项的softmax概率分布，概率差距大则置信值高，分布均匀则置信值低
Agent对用户偏好的每个推断附带0到1之间的置信度分数，并随新证据动态更新，体现贝叶斯推理思想
全部知识事实 (7)
在持续学习中，标准置信度分数会随任务推进而系统性偏移，模型对近期任务的输入过度自信，对旧任务和真正未知的输入给出混乱的置信度。
50%待验证置信度分数是模型对自身回答可靠性的量化评估，通常由模型生成或通过额外模型计算；低置信度分数可触发人工审核或降级回复，避免错误传播。
50%待验证在 Agentic IDP 系统中，Agent 对每个抽取字段通常给出置信度分数，来源可能包括模型 token 概率、多个抽取工具结果的一致性、或与业务规则的吻合程度。
50%待验证目标检测模型的输出通常包含三要素：标签、边界框和置信度分数；与图像分类的核心区别在于目标检测还需定位物体在图像中的具体位置。
50%待验证'信任恒温器'方案中，每个决策带有基于原则测得的置信度分数，高于阈值则自动执行，低于阈值则人工介入，人的判断被反馈进学习回路。
50%待验证置信值通常来源于模型对各选项的softmax概率分布，概率差距大则置信值高，分布均匀则置信值低
50%待验证Agent对用户偏好的每个推断附带0到1之间的置信度分数，并随新证据动态更新，体现贝叶斯推理思想
50%