[控场AI]
待验证50% 置信事实精确时间

研究团队评估了 20 个最先进的模型，发现更高的准确率或更先进的架构并不总能带来更高的 UtilityAUC。

1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18

来源

UtilityBench：当错误代价不同，语言模型评估如何破局？

涉及实体

UtilityAUCconcept

相关事实

待验证在工具数量超过20个的场景下，工具描述的语义歧义度与模型选择准确率之间存在显著的负相关关系68% 相似待验证在一项严谨的试验中，经验丰富的开发者在自己的成熟代码库中使用AI工具，结果速度慢了19%，但他们自己相信快了20%。66% 相似待验证20个样本不足以支撑可靠的多分类模型，强行细分会引入噪声和过拟合66% 相似待验证30张的样本量偏小，该准确率更适合作为可行性验证而非严谨的性能基准66% 相似待验证20步采样在当前社区实践中属于扩散模型速度与质量的经典平衡点65% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1073852
API
curl https://kongchang.com/api/v1/knowledge/claims/1073852
MCP
get_claim(id=1073852)