待验证50% 置信基准精确时间
WarderBox 在执行前提供成本估算，包含最佳/预期/最差三种情况与置信度分数；示例中三次 call_api 估算为 best 0.08、expected 0.09、worst 0.14，置信度0.95，数据点1200。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/20
首次发现
有效期至：2026/11/3
来源
涉及实体
相关事实
待验证每 token 更便宜不等于每次正确决策更便宜；一个错误率 15% 的 $0.02 模型一旦计入判断错误代价，可能比错误率 5% 的 $0.10 模型更贵。64% 相似待验证CVaR_α衡量随机变量在最坏的(1-α)比例情形下的平均损失，当α→1时退化为期望值，当α→0时趋近于最坏情况成本62% 相似待验证在 50 个合成杂务场景上的基准测试中，微调后的 SlothDistill 相比基座 Llama-3-8B，p95 决策延迟从 1,420 ms 降至 185 ms（提升 7.6 倍），平均输出 token 从 412 降至 48（省 88.3%），直接动作准确率从 62.4% 提升至 97.8%，每千任务 API 成本从 $1.85 降至 $0.22（便宜 88.1%）。62% 相似待验证评估推理模型价值应测三个指标：准确率差值、延迟p95、每个正确答案的成本，而不是每个请求的成本。61% 相似待验证TabPFN给出低于20%逾期概率的586张发票中，8.7%实际逾期（模型平均预测6.2%）；给出高于80%的116张中，90.5%实际逾期（模型预测87.4%）。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1075381API
curl https://kongchang.com/api/v1/knowledge/claims/1075381MCP
get_claim(id=1075381)