待验证50% 置信基准精确时间

约22%的答案需要进入审核，从18%上升，因为第二个模型增加了审核负担。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/18

首次发现

有效期至：2027/1/16

来源

一张调参两张验证：Scribe手写表单识别的诚实调优实验

涉及实体

相关事实

待验证基于测量指标引入门控（gating）机制后，准确率从20.7%提升到36.9%，同时系统仍回答了全部对比中的一半68% 相似待验证每个约 2000 条样本的 WOVEN 训练子集，合计提升 26 个外部基准中的 22 个，最高提升 27.3 个百分点。67% 相似待验证研究表明当两个独立模型对同一问题给出一致答案时，正确率可提升15-30%65% 相似待验证在 TriviaQA 数据集上，学习得到的答案选择器将平均覆盖率从 20.2% 提升到 30.9%64% 相似待验证通过为不同任务挑选合适的模型，解题率提升了超过23个百分点，单任务成本压到原来的不到三分之一64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1063709

API

curl https://kongchang.com/api/v1/knowledge/claims/1063709

MCP

get_claim(id=1063709)