待验证50% 置信基准精确时间
作者测试的五款评测器中，如果答案键有细微错误，得分只有0.21——低于完全不给键（0.46），也低于给一个毫不相关的键（0.50）；而经人工核验的模型生成答案能拿到0.61，接近人工撰写的0.69。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证在人工校对样本中，当文本清晰可辨时字符错误率仅为0.68%，但约45%的抽样段落因源质量问题完全无法校正73% 相似待验证评分器要求每个金额与标准答案的误差在£0.005以内，前提标志正确，且桥接表在适用处必须对账成功，哪怕错1便士也判定为失败72% 相似待验证大学级别的证明题评分中，即便评测器手里拿着专家的评分标准，7个中有5个仍然把专家判定为失败的证明中38.0%到45.7%判成了通过，同时只误杀了5.0%到12.3%的正确证明。72% 相似待验证一个准确率97%的发票分类模型，审核员每天看300张发票时大约只有9张是错的，错误项淹没在正确项中导致审核员驳回率趋近于零72% 相似待验证研究发现反事实输入的忠实度得分仅比事实输入低0.05分（在1-5分量表上），差异几乎可以忽略不计71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026028API
curl https://kongchang.com/api/v1/knowledge/claims/1026028MCP
get_claim(id=1026028)