待验证50% 置信事实精确时间
置信度本身不提升准确率，其价值在于支持按置信度分流；该机制的有效性取决于置信度是否校准，区分度不足时阈值路由会退化为随机分流。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
实测Jev对比三款廉价模型：成本优势没那么大
rss2026/10/19
涉及实体
相关事实
待验证模型跳过检索直接作答的过度自信在技术上被称为校准不足（miscalibration），即置信度与实际正确率存在系统性偏差78% 相似待验证更密集的相关性判断可降低模型检索到的正确结果被误判为无关的概率，从而提高评测可信度77% 相似待验证朴素的按置信度分层比较不可靠，因为未控制检测强度会导致结论被检测强度干扰77% 相似待验证分层漏斗每一层输出置信度分数，当置信度低于预设阈值时请求才下沉到下一层；阈值过高导致请求不必要流向下层，阈值过低引发误识别76% 相似待验证研究揭示LLM并不像理想的贝叶斯智能体那样根据证据可靠性进行合理加权更新，而是表现出接近分布倾斜的行为模式，其影响与证据真实可靠性的关联比贝叶斯框架预期的弱75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067295API
curl https://kongchang.com/api/v1/knowledge/claims/1067295MCP
get_claim(id=1067295)