待验证60% 置信事实精确时间
ADE 的评分流程为 option_scoring → softmax → argmax → margin，margin 即 top-2 得分差，代表置信度。
2
来源数
60%
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
待验证当综合评估指数中顶尖模型得分接近天花板时会出现基准饱和问题，60分对59分的差距在统计学上通常处于误差范围之内65% 相似待验证评估基准测试质量的关键指标是假阳性率和假阴性率，理想基准应将两者控制在较低水平62% 相似待验证模型在 Max 或 Ultra 等更高推理档位下未必产生更好或更高效的结果，有时反而因过度推理导致基准得分下降62% 相似待验证ADE 的自测基准显示：平均延迟 0.18 ms/决策，延迟范围 0.07–0.29 ms，平均置信度 0.533，平均 margin 0.275，触发规则数 1–2 条/决策。62% 相似待验证Prompt优先方案（用一条超长指令串起数据分析流程）实测成功率不到40%61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1008100API
curl https://kongchang.com/api/v1/knowledge/claims/1008100MCP
get_claim(id=1008100)