待验证50% 置信观点精确时间
文章指出50条评估集太小，单条样本得失可让准确率跳动2个百分点，因此86%的结果可能只是模型恰好适配了这50条而非泛化能力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
Qwen3-8B微调实测：LLM路由需要更多数据吗？
rss2026/10/18
涉及实体
相关事实
待验证准确率从74%到76%在50条评估集上仅对应多答对1条样本，该差异在统计上几乎没有意义。79% 相似待验证选择与生成的差距超过50个百分点，揭示当用户需要模型直接写出亲属称谓时可靠性远低于基准测试所呈现的水平77% 相似待验证理论上可靠的聚类标准误估计通常需要至少30-50个聚类，而该研究仅有19个独立时间单元，样本量相对偏小75% 相似待验证一个61分的模型和一个59分的模型在多数实际应用中的差异可能远小于分数暗示的程度75% 相似待验证在 n=100 且正负样本各半的条件下，55% 准确率的 95% 置信区间大致在 45%–65%，覆盖 50% 的基线，因此 5 个百分点的差距可能是随机波动。75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1062618API
curl https://kongchang.com/api/v1/knowledge/claims/1062618MCP
get_claim(id=1062618)