待验证50% 置信基准精确时间

纯本地小模型不外发数据的方案在BIRD测试中正确率仅为35.2%，远低于令牌化云端方案

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 Agent用上客户数据又不泄露隐私？Aura的本地化脱敏实测

涉及实体

相关事实

待验证本地AI的准确率上限通常低于使用海量云端数据持续训练的商业模型69% 相似已验证对于参数量大于30B的模型，4-bit量化造成的性能损失通常在基准测试中下降1-3%，但对小模型影响更显著66% 相似待验证在四组真实空气质量快照数据上，施加非负性约束后，在监测站点最稀疏情况下，基于高斯矩的低于零尾部代理指标降低了74%64% 相似待验证使用远小于主模型的轻量校验模型或分类器判断输出可信度，可将显存开销控制在最低限度63% 相似待验证30张的样本量偏小，该准确率更适合作为可行性验证而非严谨的性能基准63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1004292

API

curl https://kongchang.com/api/v1/knowledge/claims/1004292

MCP

get_claim(id=1004292)