待验证50% 置信事实精确时间
AURC 关注错误频率但将所有错误视为等价，而 UtilityAUC 引入效用权重，使高代价错误在曲线积分中占更大比重。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
已验证在类别不平衡场景下Accuracy具有误导性，Precision-Recall曲线与AUC-ROC是更可靠的性能衡量工具69% 相似待验证计算器的错误通常是输入错误或溢出，而AI的可靠性评估比计算器复杂得多。66% 相似待验证误差预算是将总精度指标逐层分解到各个误差源（如阿贝误差、热膨胀、振动、传感器非线性、驱动器分辨率等），并为每一项分配可接受上限的系统化分析方法。65% 相似待验证如果参数量充足的模型连几十个样本都无法记住，几乎可以断定存在硬性错误，如标签错位、损失函数计算错误、梯度未正确回传等64% 相似待验证数值实验表明三项误差中score误差项占据主导，整体TV误差与score误差呈线性关系64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073854API
curl https://kongchang.com/api/v1/knowledge/claims/1073854MCP
get_claim(id=1073854)