待验证50% 置信基准精确时间
Largha-150M-v1 在带类型决策英文自评估中取得 0.906 的读数（400 案例 / 2000 决策），高于 0.735 的教师自一致参考，但数据集卡标记存在标签特定过拟合风险。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/13
首次发现
有效期至：2027/1/11
来源
涉及实体
相关事实
待验证Largha-150M-v1 的训练混合中包含一个 500 条的错误修正池，这些错误是从模型在带类型决策测试行上的预测中挖掘的，因此 0.906 是拟合读数而非零样本结果。75% 相似待验证在演示数据集上训练15轮后，文本分类模型准确率达到99%，模型总参数11万（Attention 1.6万，FFN 3.3万，其余为Embedding）67% 相似待验证根据 Achint Srivastava 的博客，在微软的 36 项基准测试对比中 Microsoft-Decision-1 准确率最高，约 15 万个问题在训练时保持盲态。65% 相似待验证课程给出的测试用例是输入 80 和 92，验证结果是否正确反映出 15 个百分点的增幅64% 相似待验证在包含 333 篇文章、1,218 条提示的测试集上，Fiorillo v0.5 的期望校准误差（ECE）为 0.0168，远低于预设上限 0.0564% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1016984API
curl https://kongchang.com/api/v1/knowledge/claims/1016984MCP
get_claim(id=1016984)