{"@context":"https://schema.org","@type":"NewsArticle","generatedAt":"2026-07-23T06:40:50.084Z","headline":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","description":"一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","url":"https://www.aioga.com/news/cmrokot3j04d0bitokr3los1q/","mainEntityOfPage":"https://www.aioga.com/news/cmrokot3j04d0bitokr3los1q/","datePublished":"2026-07-16T00:00:00.000Z","dateModified":"2026-07-16T00:00:00.000Z","inLanguage":"zh-CN","publisher":{"@type":"NewsMediaOrganization","name":"Aioga","url":"https://www.aioga.com"},"citation":["https://arxiv.org/abs/2607.15277","https://aihot.virxact.com/items/cmrokot3j04d0bitokr3los1q"],"canonicalUrl":"https://www.aioga.com/news/cmrokot3j04d0bitokr3los1q/","directAnswer":{"@type":"Answer","text":"Aioga 编辑摘要：一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。 Aioga 将其归入「论文研究」方向，重点关注它对真实使用和行业竞争的影响。","url":"https://www.aioga.com/news/cmrokot3j04d0bitokr3los1q/","dateCreated":"2026-07-16T00:00:00.000Z","author":{"@type":"Organization","@id":"https://www.aioga.com/authors/aioga-editorial/#editorial-team","name":"Aioga Editorial Team","url":"https://www.aioga.com/authors/aioga-editorial/"}},"evidence":[{"@type":"CreativeWork","name":"arXiv source article","url":"https://arxiv.org/abs/2607.15277","datePublished":"2026-07-16T00:00:00.000Z","provider":{"@type":"Organization","name":"arXiv","url":"https://arxiv.org/abs/2607.15277"}},{"@type":"CreativeWork","name":"AIHot archive record","url":"https://aihot.virxact.com/items/cmrokot3j04d0bitokr3los1q","datePublished":"2026-07-16T00:00:00.000Z","provider":{"@type":"Organization","name":"AIHot","url":"https://aihot.virxact.com/items/cmrokot3j04d0bitokr3los1q"}}],"aggregationSource":"HuggingFace Daily Papers（社区热门论文）","originalPublisher":{"name":"arXiv","url":"https://arxiv.org/abs/2607.15277"},"article":{"id":"cmrokot3j04d0bitokr3los1q","slug":"cmrokot3j04d0bitokr3los1q","url":"https://www.aioga.com/news/cmrokot3j04d0bitokr3los1q/","title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","title_en":"Partition， Prompt， Aggregate： Statistical Self-Consistency in Language Models","summary":"一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","source":"HuggingFace Daily Papers（社区热门论文）","sourceUrl":"https://arxiv.org/abs/2607.15277","aiHotUrl":"https://aihot.virxact.com/items/cmrokot3j04d0bitokr3los1q","publishedAt":"2026-07-16T00:00:00.000Z","category":"论文研究","score":56,"selected":false,"articleBody":["arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.","Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs ：https://info.arxiv.org/labs/index.html."],"articleImages":[{"sourceUrl":"https://arxiv.org/static/base/1.0.1/images/funders/simons-foundation.png","alt":"Simons Foundation","afterParagraph":1,"url":"/media/articles/cmrokot3j04d0bitokr3los1q/e2d7f38d62f5ca91.png"},{"sourceUrl":"https://arxiv.org/static/base/1.0.1/images/funders/simons-foundation-international.png","alt":"Simons Foundation International","afterParagraph":1,"url":"/media/articles/cmrokot3j04d0bitokr3los1q/1d56e29c5557cbdc.png"}],"mediaStatus":"ok","articleBodyZh":["arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。","有一个可以为 arXiv 社区增加价值的项目想法吗？了解更多关于 arXivLabs 的信息：https://info.arxiv.org/labs/index.html。"],"translationStatus":"translated","bodyOrigin":"source-page","editorial":{"summary":"Aioga 编辑摘要：一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。 Aioga 将其归入「论文研究」方向，重点关注它对真实使用和行业竞争的影响。","background":"背景分析：模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断，单项指标领先不等于已经形成稳定采用。","viewpoint":"Aioga 判断：这条动态更适合作为行业观察信号，当前信息足以建立线索，但不足以推导长期结论。","implications":"影响分析：对相关团队而言，短期应先核对来源、可用范围和实际成本，再判断是否值得接入或跟进。","nextStep":"后续观察：继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。","evidenceRefs":["title","summary","articleBody"],"confidence":"medium","status":"published","aiGenerated":false,"autoApproved":true,"generatedBy":"rule-safe-fallback","generatedAt":"2026-07-23T06:49:19.228Z","sourceHash":"366659d583b9905d","validation":{"passed":true,"mode":"rule-safe-fallback","checks":["schema","length","source-attribution","no-html"]}},"tags":["论文研究","HuggingFace Daily Papers（社区热门论文）"],"translations":{"zh-CN":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga AI资讯","description":"一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","url":"https://www.aioga.com/news/cmrokot3j04d0bitokr3los1q/"},"en":{"title":"Partition， Prompt， Aggregate： Statistical Self-Consistency in Language Models","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under Research. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"Research","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"Partition， Prompt， Aggregate： Statistical Self-Consistency in Language Models - Aioga AI News","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under Research. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接","url":"https://www.aioga.com/en/news/cmrokot3j04d0bitokr3los1q/"},"ja":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aiogaは「論文研究」の動きとして、HuggingFace Daily Papers（社区热门论文） からの更新を追跡しています。一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"論文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga AIニュース","description":"Aiogaは「論文研究」の動きとして、HuggingFace Daily Papers（社区热门论文） からの更新を追跡しています。一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考","url":"https://www.aioga.com/ja/news/cmrokot3j04d0bitokr3los1q/"},"ko":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga는 HuggingFace Daily Papers（社区热门论文）의 업데이트를 연구 흐름으로 추적합니다. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"연구","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga AI 뉴스","description":"Aioga는 HuggingFace Daily Papers（社区热门论文）의 업데이트를 연구 흐름으로 추적합니다. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该","url":"https://www.aioga.com/ko/news/cmrokot3j04d0bitokr3los1q/"},"es":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga sigue esta actualización de HuggingFace Daily Papers（社区热门论文） dentro de Investigación. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"Investigación","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga Noticias de IA","description":"Aioga sigue esta actualización de HuggingFace Daily Papers（社区热门论文） dentro de Investigación. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度","url":"https://www.aioga.com/es/news/cmrokot3j04d0bitokr3los1q/"},"fr":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga suit cette mise à jour de HuggingFace Daily Papers（社区热门论文） dans la catégorie Recherche. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"Recherche","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga Actualités IA","description":"Aioga suit cette mise à jour de HuggingFace Daily Papers（社区热门论文） dans la catégorie Recherche. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细","url":"https://www.aioga.com/fr/news/cmrokot3j04d0bitokr3los1q/"},"de":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga KI-News","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/de/news/cmrokot3j04d0bitokr3los1q/"},"pt-BR":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga Notícias de IA","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/pt-BR/news/cmrokot3j04d0bitokr3los1q/"},"ru":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga Новости ИИ","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/ru/news/cmrokot3j04d0bitokr3los1q/"},"ar":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga أخبار الذكاء الاصطناعي","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/ar/news/cmrokot3j04d0bitokr3los1q/"},"hi":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga AI समाचार","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/hi/news/cmrokot3j04d0bitokr3los1q/"},"it":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga Notizie IA","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/it/news/cmrokot3j04d0bitokr3los1q/"},"nl":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga AI-nieuws","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/nl/news/cmrokot3j04d0bitokr3los1q/"},"tr":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga AI Haberleri","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/tr/news/cmrokot3j04d0bitokr3los1q/"},"vi":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Tin tức AI Aioga","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/vi/news/cmrokot3j04d0bitokr3los1q/"},"id":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Berita AI Aioga","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/id/news/cmrokot3j04d0bitokr3los1q/"},"th":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - ข่าว AI Aioga","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/th/news/cmrokot3j04d0bitokr3los1q/"},"pl":{"title":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式","summary":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级估计更接近人类参考数据。该发现表明模型虽拥有相关子人群知识，但未能可靠地将其聚合为整体估计，统计自洽性因此可作为无参考的LLM评估新标准。","category":"论文研究","source":"HuggingFace Daily Papers（社区热门论文）","aggregationSource":"HuggingFace Daily Papers（社区热门论文）","pageTitle":"统计自洽性检验揭示LLM在上下文学习中违反概率恒等式 - Aioga Wiadomości AI","description":"Aioga tracks this update from HuggingFace Daily Papers（社区热门论文） under 论文研究. 一项新研究通过二叉树递归划分人群，检验LLM（包括前沿模型）的上下文学习估计是否满足全概率公式这一基本自洽原则。结果显示，模型普遍违反一致性性质，且存在\"宏观谬误\"：从更细粒度子人群重建的估计反而比直接的人群级","url":"https://www.aioga.com/pl/news/cmrokot3j04d0bitokr3los1q/"}}}}