待验证50% 置信解决方案精确时间
SHAP值的采样次数不足会导致归因结果不稳定，表现为不同运行间特征排名波动；建议增加采样次数或使用DeepSHAP，并报告归因的置信区间。
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
已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力77% 相似待验证李克特量表在不同评分者对同一等级理解差异大时会导致评分者间信度不稳定，且单一数字无法承载具体好坏维度的信息。75% 相似待验证忽略误差相关性会导致组合方差偏小，且偏小因子随组规模增大而增长，该因子能准确预测覆盖率失效的程度。75% 相似已验证部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）74% 相似待验证部分厂商存在针对评测集过度优化（刷榜/benchmark contamination）的倾向，导致分数膨胀但泛化能力不足73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074557API
curl https://kongchang.com/api/v1/knowledge/claims/1074557MCP
get_claim(id=1074557)