待验证50% 置信观点精确时间

24个样本的小规模实验足以暴露评判者之间的系统性差异

1

来源数

50%

置信度

长期有效

时效性

2026/10/18

首次发现

来源

Arize Phoenix评测实践：小样本下LLM评判分歧与自动评估选型

涉及实体

评判者concept

相关事实

待验证25%的风险降幅数字仍需在方法论严格的复制研究中验证，应被视为值得进一步验证的信号而非最终定论72% 相似待验证用量预测方法建议预留20-30%的实验与意外用量缓冲71% 相似待验证在21个可测试的语义变化中，有19个的移动方向与文献学证据吻合71% 相似待验证作者指出该显著性可能受样本量较小和多重比较的影响，存在偶然性70% 相似待验证报告成功率时必须附带样本量，因为19/20和950/1000代表的证据强度不同69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1059555

API

curl https://kongchang.com/api/v1/knowledge/claims/1059555

MCP

get_claim(id=1059555)