待验证50% 置信事实精确时间
用十二个样本计算 p95 实际上落在第 11 与第 12 个样本之间，几乎是第二慢的那次，极不稳定
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
90分钟实测免费模型端点：从怀疑到决策的探针工作坊
rss2026/10/19
涉及实体
相关事实
待验证要谈 p95 至少需要几十个样本，p99 需要上百个；十二次只能提供存在性证据（缺失 usage 字段、429、尾部是两秒还是二十秒），不能精确估计分位数73% 相似待验证性能基准测试结果具有统计波动性，需要多次运行取中位数或P95/P99百分位来判断71% 相似待验证若单一模型漏检率为 p，两个训练背景不同的模型同时漏检同一错误的概率近似降至 p²，20%漏检率理论上可降至 4%70% 相似已验证ReAct的误差会链式放大：若每步准确率为p，经过n步后整体成功率约为p的n次方，单步95%准确率经过10步后整体成功率约降至59.9%，20步后仅剩35.8%69% 相似待验证若单帧误检率为p，连续8帧独立误检的概率为p^8，即使单帧误检率高达10%，8帧连续误检概率也只有10^-868% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067315API
curl https://kongchang.com/api/v1/knowledge/claims/1067315MCP
get_claim(id=1067315)