待验证50% 置信基准精确时间
在具体实验案例中，重叠锚点方案（n=912）显示模型55.2%对多数类51.1%，净优势+4.1pp，约2.4个标准误；非重叠锚点方案（n=163）显示59.5%对54.0%，净优势+5.5pp，约1.4个标准误。
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
待验证对于 7B 模型，使用求解器准确率为 75.31%，直接计算为 72.02%，配对提升 +3.29 个百分点，95% 聚类区间为 [-3.49, 10.38] 跨越零点，优势不显著77% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性75% 相似待验证在 n=100 且正负样本各半的条件下，55% 准确率的 95% 置信区间大致在 45%–65%，覆盖 50% 的基线，因此 5 个百分点的差距可能是随机波动。74% 相似待验证在ScopeBench评测中，8个模型的原始能力跨度从12.2%到81.1%，范围遵守能力跨度从34.4%到86.7%73% 相似待验证取每个模型最佳努力档位，5x5 网格解题率约 85%，10x10 降至 46%，15x15 仅剩 20%72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1016944API
curl https://kongchang.com/api/v1/knowledge/claims/1016944MCP
get_claim(id=1016944)