待验证50% 置信基准精确时间

Decider在JudgeBench上报告90%及以上置信度判断正确率99.6%，80-90区间94.0%，70-80区间84.1%，低于70%为67.7%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/12

首次发现

有效期至：2027/1/10

来源

谁来校准做决策的人？被忽视的"人类置信度"

涉及实体

Deciderproduct JudgeBenchconcept

相关事实

待验证校准良好的人说'我有70%把握'时，这类判断的实际成功率应该接近70%73% 相似待验证99.3%通过率（283/285）对应的95%置信区间约为97.5%-99.9%（使用Wilson区间估计）71% 相似待验证研究显示人类在标注90%置信度时，实际正确率往往只有70%左右，存在系统性过度自信70% 相似待验证研究表明人类评估者在判断LLM输出的事实准确性时，正确率往往只有50%-70%69% 相似待验证在LLM-as-a-judge评估中，裁判的判断高度依赖提示词措辞，不同的评估标准描述可导致通过率从100%骤降至0%68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001727

API

curl https://kongchang.com/api/v1/knowledge/claims/1001727

MCP

get_claim(id=1001727)