待验证50% 置信基准精确时间
全量数据对比中，LLM-BlockFE 相对于最强基线，每个数据集上的 AUC 绝对提升在 0.0069 到 0.0358 之间。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
已验证业界通用标准中，AUC > 0.9为优秀，0.8~0.9为良好，0.7~0.8为一般，0.5~0.7为较差，0.5等同于随机猜测66% 相似待验证AUC的取值范围在0到1之间，数值越大代表模型分类能力越强65% 相似待验证AUC-ROC的核心优势在于对类别不平衡不敏感，能反映模型在不同分类阈值下的综合区分能力，AUC值范围在0.5到1.0之间64% 相似待验证在仅用基准窗口输入的公平比较下，PRISM 的 AUROC 为 0.8895，与 UniPACT 的 0.8937 和 MDS-ED 的 0.8889 基本持平64% 相似已验证AUC值域为0.5到1.0，0.5代表随机猜测、1.0代表完美预测，不受样本类别不平衡影响62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1013340API
curl https://kongchang.com/api/v1/knowledge/claims/1013340MCP
get_claim(id=1013340)