待验证50% 置信观点精确时间
原文中「game-changer」的评价和 251,159 的星标数字都缺乏独立验证，实测部分的描述也偏向定性而非定量。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/17
首次发现
有效期至：2026/10/31
来源
涉及实体
相关事实
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。61% 相似待验证模型的自评分数与实际正确率之间没有稳定映射，同一提示词换个措辞，分数就可能大幅漂移。61% 相似待验证该对比实验未披露具体的数据集规模、评估指标以及对比公平性细节，这些因素会影响结论的普适性61% 相似待验证作者强调99.3%不是CFC准确率的普遍值，也不是Gemini的通用可靠性评分，只是该特定可复现决策闭合基准上的分数61% 相似待验证在受控 GPT-2 实验中，尽管投影更新在词面命中上明显更高，所有实验组的严格答案得分仍然为零。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1049908API
curl https://kongchang.com/api/v1/knowledge/claims/1049908MCP
get_claim(id=1049908)