待验证50% 置信事实精确时间
navhard是NAVSIM中难度更高的测试子集，专门包含交互密集、风险更高的场景，同一模型在navhard上的分数通常显著低于navtest。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
VITAL：让视觉运动直接驱动驾驶决策
rss2026/10/14
涉及实体
相关事实
待验证N2类别训练样本往往更稀少，数据不平衡加剧了模型偏向多数类N1的倾向，是召回率不对称的重要成因之一59% 相似待验证NIST 随机性测试套件存在两个根本局限：一是它检验的是统计性质，对精心构造的伪随机序列往往无能为力；二是它不建模观察者的智能程度。57% 相似待验证红队测试、能力评估、对齐检验的共同局限在于测试集的覆盖范围有限,模型可能在已知测试场景外展现出未被捕捉的危险行为57% 相似待验证该研究方法的核心局限是N1阶段的低灵敏度（low sensitivity）56% 相似待验证在领域特定 NER 任务中，人机聚合一致性指标（如高 kappa 值）可能具有误导性，评估指标的选择必须与任务复杂度相匹配56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037863API
curl https://kongchang.com/api/v1/knowledge/claims/1037863MCP
get_claim(id=1037863)