待验证50% 置信事实精确时间
GPQA Diamond子集共198题，在95%置信区间下单次采样标准误约为2个百分点，因此0.7点的差值在噪声范围内。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）71% 相似待验证在 600 张合成发票测试集上，QLoRA 微调模型的整票精确率为 83.0%，自动批准率为 86.8%，已批准发票中校验覆盖字段错误为 461 中 0 个（上界 0.8%）。71% 相似待验证在示例中，对同一组人类标签（18通过、2失败），懒惰评判者全判通过得到准确率 0.90 但 kappa 为 0.00；更好的评判者准确率 0.95 但 kappa 仅为 0.77，仍未达到 0.80 门槛。70% 相似待验证Laya存在错误时高置信度问题，出现过0分却给出0.952置信度的情况70% 相似待验证蒙特卡洛估计的标准误差与模拟次数N的关系为标准误差正比于1/√N69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1049826API
curl https://kongchang.com/api/v1/knowledge/claims/1049826MCP
get_claim(id=1049826)