待验证50% 置信事实精确时间
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。
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。75% 相似待验证即使只有5-10%的训练样本存在错位，也会导致VLM模型在下游任务上出现显著的性能退化71% 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69% 相似待验证传统基准测试在评估模型推理能力上已失效，因为几乎每个模型都可能在训练数据中见过标准答案69% 相似待验证研究者训练的2900万参数编码器对985条陈述的流行度加权跨折AUC仅为0.486，与语料库先验无法区分68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1016993API
curl https://kongchang.com/api/v1/knowledge/claims/1016993MCP
get_claim(id=1016993)