待验证50% 置信事实精确时间

A/B测试中准确率差异小于2%时通常难以区分，需要更大样本量才能得出可靠结论

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

高级提示工程：从CoT到Agent的六大核心技术

涉及实体

A/B测试concept

相关事实

待验证在事实性评估任务上模型评判者准确率仍显著低于人类专家，但在风格、连贯性等主观维度已接近人类评审员间一致性水平75% 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75% 相似待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现74% 相似待验证在某些测试中，文档中间段信息的检索准确率比首尾段低40%以上74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1009580

API

curl https://kongchang.com/api/v1/knowledge/claims/1009580

MCP

get_claim(id=1009580)