待验证50% 置信决策规则精确时间

在仅有一百个场景的小测试集上，不同运行之间的分数可能摆动好几个百分点，应在完整数据集上评判

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智能体的行动安全：如何决定它能做什么

涉及实体

测试集concept

相关事实

待验证运行10次测试置信区间宽度约±31%，100次收窄至±10%，400次进一步收窄至±5%，推荐关键测试用例至少运行20-50次76% 相似待验证许多在小数据集上的评测，不同运行之间的分数会波动好几个百分点75% 相似待验证在5%显著性水平下测试100个随机因子，期望会有5个看起来显著（多重假设检验问题）74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1005161

API

curl https://kongchang.com/api/v1/knowledge/claims/1005161

MCP

get_claim(id=1005161)