研究提出持续校准问题：知识更新后模型置信度失准

2026年10月1日，AGI Hunt 报道 victorwang37 团队提出「持续校准」这一新问题：一个可信的持续学习模型，其置信度应随知识增长同步更新，而无需反复重新校准。团队在开源模型的多个 checkpoint 上，用「知识对比集」测试并度量置信度对知识变化的依赖。结果显示，即便在单一时间点表现良好的置信度估计器，在后续 checkpoint 上的泛化也很差；推理时方法与微调方法均存在明显不足。研究者据此认为，持续校准仍有巨大改进空间。目前该工作处于问题提出与初步评测阶段，报道未给出具体模型名称、指标数值或后续改进方案。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。