待验证50% 置信事实精确时间

DeepEval 的 G-Eval 指标在不传 evaluation_steps 时，会根据 criteria 自动生成评分步骤，导致同一份回复在重跑时可能得到相反的结论，产生漂移。

1

来源数

50%

置信度

长期有效

时效性

2026/10/13

首次发现

来源

LLM裁判评分标准实战：promptfoo与DeepEval对比

涉及实体

DeepEvalproduct G-Evalconcept

相关事实

已验证误差级联指早期步骤中的微小判断偏差随推理链延伸被逐步放大，最终产生与预期相去甚远的结果68% 相似待验证评估集存在代表性偏差，只能覆盖构建者预想到的情况，导致在评估集上表现完美的模型上线后仍可能在真实流量中翻车68% 相似待验证在分数积分后度量预测误差时，从长度为 L 的有限上下文做预测存在一个精确的 1/L 领先阶误差67% 相似待验证当引导信号偏离模型自身的采样分布时，策略梯度估计会产生偏差66% 相似待验证测试结论显示真正拉开模型差距的不是视觉感知而是逐步模拟能力——判断对错相对容易，但在多步状态转移中定位错在哪一步对模型内部状态管理是更高数量级的考验66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1018296

API

curl https://kongchang.com/api/v1/knowledge/claims/1018296

MCP

get_claim(id=1018296)