待验证50% 置信事实精确时间

EICS（Evaluation-Invariant Concept Stability）是一个用于检验表征的指标，通过受控的单一概念干预测试模型表征是否能一致地编码目标概念

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

VLM空间理解之谜：表征层面为何不如词汇先验可靠

涉及实体

相关事实

已验证Evals是用于系统性衡量模型或智能体输出质量的测试框架，类比软件工程中的单元测试和集成测试67% 相似待验证针对AI系统的测试新范式被称为'评估'（Evals），核心指标从单次通过/失败转向通过率（Pass@k）、一致性和鲁棒性等统计指标66% 相似待验证对齐评估（Alignment Evals）是量化模型在诚实性、有用性、无害性等维度表现的系统性测试方法66% 相似待验证评估AI提及的方法是运行一个固定的提示面板，记录是否提及的二元标记，并在模型更新后重复测试65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002021

API

curl https://kongchang.com/api/v1/knowledge/claims/1002021

MCP

get_claim(id=1002021)