待验证50% 置信权衡取舍精确时间

二元门槛设计对接近门槛的模型不友好，0.74和0.80在分数上天壤之别但实际能力差异可能微乎其微

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

LLM评测如何产生可比分数：解剖一个逆向工程基准

涉及实体

Function Recoveryconcept

相关事实

待验证对小样本切片设置绝对失败数上限比设置百分比门槛更稳健，且对样本量不敏感74% 相似待验证在二分类中模型默认使用0.5作为判定阈值，但假阳性和假阴性的代价往往不对等，需通过成本敏感的阈值优化调整决策边界73% 相似待验证某些AI能力在模型规模低于特定阈值时几乎为零，跨越阈值后急剧提升，呈现非线性的'相变'特征72% 相似待验证Dixon-Coles模型在双泊松模型基础上引入了低比分修正项，弥补了0:0和1:0等低分比赛中泊松假设的偏差70% 相似待验证当两个模型的95%置信区间重叠时，它们之间的排名差异可能不具有统计意义70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1004578

API

curl https://kongchang.com/api/v1/knowledge/claims/1004578

MCP

get_claim(id=1004578)