待验证50% 置信基准精确时间
按 claim 分组的 safe-completion 差异为 .094，bootstrap 95% 置信区间为 [.000, .198]。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
ClaimScope：不看标签的见证验证，让数学命题审计更可靠
rss2026/10/15
涉及实体
相关事实
待验证根据二项分布性质，要以95%的置信度检测到5%的失败率，至少需要约60次独立运行66% 相似待验证报告中门控准确率58%被误当成端到端质量，而真实端到端质量为98%65% 相似待验证在具体实验案例中，重叠锚点方案（n=912）显示模型55.2%对多数类51.1%，净优势+4.1pp，约2.4个标准误；非重叠锚点方案（n=163）显示59.5%对54.0%，净优势+5.5pp，约1.4个标准误。65% 相似待验证盖洛普民调采用随机数字拨号（RDD）和在线面板相结合的方式，标准误差通常控制在±3-4个百分点，置信度达95%64% 相似待验证作为对比，Program-of-Thought基线整体准确率为72.0%，工具调用agent为58.7%64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046940API
curl https://kongchang.com/api/v1/knowledge/claims/1046940MCP
get_claim(id=1046940)