待验证50% 置信事实精确时间

当所有模型都逼近满分时，基准就失去区分能力，排名沦为噪声

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

决策型AI正成独立赛道，但评估标准还没跟上

涉及实体

基准测试concept

相关事实

待验证高偏差意味着模型过于简单导致欠拟合，高方差意味着模型学入噪声导致过拟合，两者往往此消彼长79% 相似待验证提示词越模糊，模型输出越向高概率区域坍缩，一致性越强77% 相似已验证模型崩溃过程中模型会依次经历输出多样性降低、少数类别和边缘知识丢失，最终产生无意义或高度重复的输出76% 相似待验证微调值得评估的场景是模型已获得充分信息却反复无法按要求完成任务，信号包括输出schema不一致、分类结果不稳定、领域术语被误解等73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1005196

API

curl https://kongchang.com/api/v1/knowledge/claims/1005196

MCP

get_claim(id=1005196)