待验证50% 置信基准精确时间
模型评判员在 1,860 个元素上与人工裁决标签的一致性（Gwet's AC1）至少为 0.894。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证皮尤的ATP设计效应通常在1.5到2.5之间，使得名义样本量1000的调查有效样本量可能只有400-66771% 相似待验证在内部测试集（11,773个AI参与文件和2,541个人类文件）上，该方法在1%假阳性率操作点达到72.4的宏F1。70% 相似待验证在第一阶段事后对比中，SAGE 的评估结果与原始竞赛中 105 份人工评审对比，序数一致性为 kappa = 0.29，属于「一般」水平68% 相似待验证在 600 张合成发票测试集上，QLoRA 微调模型的整票精确率为 83.0%，自动批准率为 86.8%，已批准发票中校验覆盖字段错误为 461 中 0 个（上界 0.8%）。67% 相似待验证在10000条样本、1%正类比例且负类中有495条得分0.90、正类得分分别为0.80和0.60的合成数据上，使用0.5阈值计算得到：ROC-AUC=0.9500，Average Precision=0.1449，精确率=0.1681，召回率=1.0000，准确率=0.9505，TP=100，FP=495，TN=9405，FN=0。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084335API
curl https://kongchang.com/api/v1/knowledge/claims/1084335MCP
get_claim(id=1084335)