待验证50% 置信事实精确时间

BLEU和ROUGE等自动指标只做表面匹配，无法识别语义错误，也无法区分错误严重程度。

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

大模型做翻译质量标注：人与模型谁更靠谱？

涉及实体

BLEUconcept ROUGEconcept

相关事实

待验证确定性评分器能可靠捕捉字段格式错误，但在整个套件上做平均后无法告诉你错误集中在哪里68% 相似待验证工具调用的schema校验只能捕获结构性问题（类型错误、缺少必填字段），抓不住语义错误67% 相似待验证虚假账号检测是一个典型的异常检测(Anomaly Detection)问题,单一特征往往不足以准确判断65% 相似待验证网格识别需同时估计网格间距和相位偏移两个参数，全局偏移量估计错误会导致对齐完全失败64% 相似待验证当 OCR 输出直接喂给 LLM 时，识别错误会被放大和传导，模型会基于错误文本产生看似合理实则错误的结论64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1012329

API

curl https://kongchang.com/api/v1/knowledge/claims/1012329

MCP

get_claim(id=1012329)