待验证50% 置信事实精确时间
success@k是一种批量评估指标：给定k个候选想法，若其中至少有若干个被下游实验或人工判定为成功，就记为一次命中；它衡量一组输出中能否找到可行方案。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证挑选最佳运行结果（cherry-picking runs）是指从同一题目的多次运行中选最高分上报，这度量的是模型的运气上限而非稳定的期望表现69% 相似待验证结果层的核心指标是任务整体成功率（Task-level Success）69% 相似待验证3 次以上的独立采样才能提供足够的方差估计，使创意评估从运气判断升级为概率判断，是生产级提示词评估的最佳实践68% 相似待验证KPI 强调用可量化的指标考核结果，OKR 则强调设定有挑战性的目标并用可衡量的关键结果来追踪进展。68% 相似待验证pass@k是代码生成等任务中衡量采样质量的常用指标：对同一问题独立采样k个候选答案，只要其中任意一个通过验证就算成功。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1041917API
curl https://kongchang.com/api/v1/knowledge/claims/1041917MCP
get_claim(id=1041917)