待验证50% 置信事实精确时间
在只有5%输出失败的情况下，一个全部判通过的评审器与专家的一致率高达95%，但召回率为零，这被称为“一致率悖论”。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
人类评审 vs 自动评估：谁来给AI Agent打分？
rss2026/10/15
涉及实体
相关事实
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零79% 相似待验证在示例中，对同一组人类标签（18通过、2失败），懒惰评判者全判通过得到准确率 0.90 但 kappa 为 0.00；更好的评判者准确率 0.95 但 kappa 仅为 0.77，仍未达到 0.80 门槛。77% 相似待验证95%置信水平意味着如果用相同方法重复进行100次调查，大约有95次的结果会落在误差范围之内77% 相似待验证输出最一致的评审器与真实答案的一致率只有 51%，是「稳定地错」。77% 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）75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1036262API
curl https://kongchang.com/api/v1/knowledge/claims/1036262MCP
get_claim(id=1036262)