待验证50% 置信事实精确时间
19项报告了评测器'偏向哪边出错'的研究中，12项偏向把本该失败的作品判为通过，3项偏向相反方向，4项混合。
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
待验证在该研究主要的十个LLM评审组成的评审库中，评审错误之间的平均两两相关系数为0.2176% 相似待验证研究表明在某些任务上仅将提示词中的'请判断'改为'请分析'就可能导致准确率波动5-10个百分点73% 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% 相似待验证测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）71% 相似待验证十二个模型中有十一个的认输案例里有87.5%到100%停在了用户提供的确切错误数字上，即认输通常意味着倒戈70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026030API
curl https://kongchang.com/api/v1/knowledge/claims/1026030MCP
get_claim(id=1026030)