待验证50% 置信基准精确时间

在语料库级推理任务上，RPL在两种模型规模下都取得了最高的答案F1和文档覆盖率F1，同时大幅降低了上下文消耗和检索轮次。

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

强化学习让AI自主编写检索程序，4B模型超越8B基线

rss2026/10/17

涉及实体

相关事实

待验证当患病样本占比低时，召回率和F1分数比准确率更能反映模型的实际检出能力。71% 相似待验证即便是表现最好的模型，其证据ID的F1也仅有0.36左右，反映现有大模型在精确定位证据的跨学科推理任务上仍有较大提升空间70% 相似待验证反讽检测任务在标准数据集（如iSarcasm、SemEval系列）上的最佳F1分数长期徘徊在70%-80%区间68% 相似待验证在二分类混淆矩阵中，F1分数是精确率和召回率的调和平均67% 相似待验证70到80之间的F1水平意味着当前模型表现更适合作为研究参照，而非直接落地的判决辅助工具66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1074709

API

curl https://kongchang.com/api/v1/knowledge/claims/1074709

MCP

get_claim(id=1074709)