待验证50% 置信事实精确时间

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。

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

统计显著性concept

相关事实

待验证输出最一致的评审器与真实答案的一致率只有 51%，是「稳定地错」。79% 相似待验证文章指出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。79% 相似待验证研究表明人类评估者在判断LLM输出的事实准确性时，正确率往往只有50%-70%78% 相似待验证报告中门控准确率58%被误当成端到端质量，而真实端到端质量为98%78% 相似待验证研究发现反事实输入的忠实度得分仅比事实输入低0.05分（在1-5分量表上），差异几乎可以忽略不计77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1062619

API

curl https://kongchang.com/api/v1/knowledge/claims/1062619

MCP

get_claim(id=1062619)