待验证50% 置信观点精确时间
在AI审计中，交叉性是最难测的轴之一，因为当两个demographic参数同时变动时，训练数据中相应组合的样本量通常急剧减少，导致模型得分往往偏低。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
AI偏见检测：公平性审计如何真正运作
rss2026/10/16
涉及实体
相关事实
待验证实践中，处于78.0区间的模型往往在事实中立性上表现扎实，但在交叉性或双重标准这类轴上偏弱，因为当两个demographic参数相互作用时模型能依赖的训练信号更少。76% 相似待验证当综合评估指数中顶尖模型得分接近天花板时会出现基准饱和问题，60分对59分的差距在统计学上通常处于误差范围之内71% 相似待验证InfoNCE 损失通过在一批候选中最大化正样本对相似度、最小化负样本对相似度进行训练，温度超参数τ越小分布越集中71% 相似待验证Anthropic的研究表明，即便温和的对齐训练也会导致模型在某些推理密集型任务上下降2-8个百分点70% 相似待验证当研究者用相同的模型运行不同的测试框架时，得分往往出现明显波动70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1043556API
curl https://kongchang.com/api/v1/knowledge/claims/1043556MCP
get_claim(id=1043556)