待验证50% 置信事实精确时间

平均评分标准得分描述的是满足了多少条标准，而非完美完成了多少个工作流

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

AI工作流验收：用强制检查守住关键环节

涉及实体

Advancing computer use with Ironcladconcept

相关事实

待验证用完成度式的代理指标评分会把干净终止但结果错误的失败判为成功，这是当前许多智能体评估的缺陷69% 相似待验证严格正确评分规则的核心性质是当且仅当预测者报告真实相信的概率时期望得分最大，常见例子包括对数似然损失和Brier分数66% 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%66% 相似待验证发布方的性能宣称缺乏具体对比基准，未明确对比模型、测试数据集或评估标准66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002586

API

curl https://kongchang.com/api/v1/knowledge/claims/1002586

MCP

get_claim(id=1002586)