这取决于具体的模型。

如果您的模型使用 softmax 输出层，则这些值通常被解释为互斥类概率，并且总和应为 1。

如果您的模型使用 sigmoid 输出层，则分类问题的值可以解释为单独的、非排他的概率。在这种情况下，一个示例可能不在您的任何一个类中（输出接近 [0,0]），或者肯定在两个类中（输出接近 [1,1]） - 如果在您已训练 NN 进行建模的问题中并非如此，那么您可能需要考虑更改模型。

所以，如果你的分类应该是互斥的，那么问你这个问题的人是有道理的。概率总和应为 1，您可能需要修复模型。在这种情况下，您应该使用 softmax 输出层，并且不会出现这个问题，因为概率总和为 1。

是否值得修复模型，取决于您对问题中互斥类与非互斥类的理解，当前模型是否达到其目标（在实践中这不是大问题，如果模型不是严格的理论匹配问题，但具有非常好的准确性）以及更改代码和重新训练模型需要付出多少努力。

您的声明：

概率代表数学中的置信度概念。

在技​​术上是正确的，但作为您同事查询的答案没有用。对于分类，置信度和概率这两个术语几乎可以互换，因此您不能真正用一个词来解释另一个词。如果有人问为什么模型中的一个数字比另一个大，您不会回答“那是因为 x 大于 y”——本质上这就是您在这里所做的。所以你的陈述本身没有错，但也没有解释结果。