待验证50% 置信基准精确时间

作者在本机以温度零测试了5个从1B到8B的本地模型，每一个都在至少一整个形态上交出100%虚假自信率

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

AI模型何时该说"我不知道"？一个Kaggle升级基准的实测结论

涉及实体

Sean Campbellperson

相关事实

待验证测量的12个托管模型中，有7个在每一种形态上都保持0.00或0.10的虚假自信率71% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性68% 相似待验证测试中出现模型自称某步有95%把握但按评分标准得0分的案例66% 相似待验证在正负样本比为1:99的欺诈检测任务中，将所有样本预测为'非欺诈'的模型也能获得99%的准确率65% 相似待验证即便在temperature 0的条件下，五次执行中仍有0.07%到10.2%的行会改变其算子输出，具体比例取决于模型65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002965

API

curl https://kongchang.com/api/v1/knowledge/claims/1002965

MCP

get_claim(id=1002965)