困惑度
Perplexity (metric)
学到 认得 就够：听到能明白
你可能会说
“我看到文献模型的困惑度更低，这能说明它更懂研究问题或事实吗？”
困惑度常用于评价语言模型对给定文本的预测能力，通常是平均负对数似然取指数。较低表示真实词元获得较高概率，但它不是模型主观困惑，更不是事实或推理质量总分。
使用 AI
科研里的例子
一种模型对规范公文困惑度很低，可能只是熟悉模板；面对少见地方术语时的提取错误仍需人工测试。
可以粗略理解为每一步面对的等效选择数，但严格计算依赖分词与条件范围。不同分词器、资料和上下文切分会改变单位与数值，因此不能不加处理地比较。固定长度模型评价长文本时，窗口与步长也会影响可用前文。科研中可用困惑度研究特定分布上的语言预测，却不能从它直接推出摘要忠实、观点正确或社会理解；这些需要相应任务评价。
在你的学科里，直接拿去用
把论点与证据逐条对齐
请审核下列论证的证据对应关系。 论证：[粘贴] 允许使用的材料：[清单与原文] 拆成可独立检查的主张，按“主张—来源位置—研究对象与设计—能支持什么—不能支持什么—所需补证”输出。区分相关、机制解释、因果识别和价值判断。找不到依据的格子保留未支持，不补假文献。若需联网补证，先说明搜索范围和访问状态，再把新找到的证据与原材料分列。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG07
判断
亲手检查一次
给两组目标词元概率，分别算平均负对数后取指数；再改切分单位，观察为何评价资料与分词器必须一起报告。
它做不到的
困惑度一般针对有概率定义的序列预测，不能直接用于所有模型架构；跨词元化的数值通常缺少可比性。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。