待验证50% 置信基准精确时间

在 TriviaQA 上，被打分答案的错误率（精确匹配评分标准下）从 23.0% 下降到 14.5%

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

语言模型能学会何时拒答吗？策略学习与答案选择器实验

涉及实体

TriviaQAconcept 答案选择器concept

相关事实

待验证业界仿真精度评估通常要求吞吐量误差小于15%73% 相似待验证移除候选筛选环节后，FEVER准确率下降到76.24%71% 相似待验证冗长填充放在正确答案上会导致裁判得分暴跌，Grok 非推理版难题得分从0.875跌到0.19，表明冗长偏见只是反向存在71% 相似待验证对照组删掉提示词中的答案键后，匹配率从63%骤降到1%（1/75）70% 相似待验证当用户将错误答案作为自信陈述并推两次时，模型坚持率从94.4%跌到84.0%69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002059

API

curl https://kongchang.com/api/v1/knowledge/claims/1002059

MCP

get_claim(id=1002059)