待验证50% 置信事实精确时间

实验中不健康样本占比为 41.7%，即 12 个样本中有 5 个不健康。

1

来源数

50%

置信度

长期有效

时效性

2026/10/15

首次发现

来源

AWS AI Agent测试通过却漏检：一次真实实验复盘

涉及实体

AWS 实验室实验concept

相关事实

待验证在42个有效污染样本中，有16个属于'污染—过度信任'案例，即模型接受了本不该接受的错误推理67% 相似待验证研究表明即使是轻微的数据污染也可能导致评测分数虚高5-15个百分点67% 相似待验证在实验中当提示超过50条后，人类的拦截率从17%骤降到5%，体现审批疲劳现象64% 相似待验证在显著性水平 ε=0.09 的设定下，63% 的结节获得了确定的单标签预测，剩余 37% 的病例被转交给临床医生判断64% 相似待验证在试点中，LLM成功还原了病例中埋设的临床相关信息点的88.0%，而人类医生仅为38.9%64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1038696

API

curl https://kongchang.com/api/v1/knowledge/claims/1038696

MCP

get_claim(id=1038696)