待验证50% 置信事实精确时间
词错误率（WER）的计算方式是将识别输出与参考文本之间的替换、删除、插入错误数量之和除以参考文本的总词数
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证WER将所有词错误一视同仁，无论错的是虚词还是关键实体词，扣分都相同64% 相似待验证WER的计算基于编辑距离（Levenshtein距离）算法，通过动态规划找到参考文本与假设文本之间的最优对齐路径61% 相似待验证一个已发布的406M参数Fusion-in-Decoder专用模型，当输入从截断长文本切换到2000词检索片段时，ROUGE-1分数骤降6.30分61% 相似待验证困惑度、突发性与词频异常分析三者结合使AI文本检测准确率显著高于单一方法59% 相似待验证BERTScore 通过计算候选文本与参考文本在语义嵌入空间中的余弦相似度来衡量质量，区别于基于词汇重叠的BLEU、ROUGE等指标58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003004API
curl https://kongchang.com/api/v1/knowledge/claims/1003004MCP
get_claim(id=1003004)