待验证50% 置信事实精确时间
置信区间若跨越零，则不能拒绝无效应的零假设；区间宽度反映精度，样本越小、方差越大，区间越宽。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
METR研究失灵：开发者不愿离开AI，速度测量失效
rss2026/10/18
涉及实体
相关事实
待验证零样本分类的弱点在于对边界模糊、领域专有的类别判断不够稳定，推理成本随流量线性增长，结果可解释性和可复现性较差73% 相似待验证SLICE构造的置信序列有效性与打分函数的准确度无关，打分质量只影响区间宽窄（统计效率），不破坏覆盖率保证73% 相似待验证探针准确率的高低反映的是信息的线性可分离程度，而非模型是否有意表征该概念72% 相似待验证Wilson置信区间相比简单正态近似在小样本场景下更为准确，能有效避免通过率接近0或1时出现区间越界的问题72% 相似待验证饱和（saturation）在测量理论中指的是测试分数失去区分被测对象的能力，当所有模型得分趋近天花板或地板时，方差极小。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1061012API
curl https://kongchang.com/api/v1/knowledge/claims/1061012MCP
get_claim(id=1061012)