待验证50% 置信事实精确时间
研究者提出让模型显式输出概率、或在采样多次后统计答案一致性（self-consistency）来估计可靠性。
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
待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现77% 相似待验证精确率指模型判定为正例的样本中真正为正例的比例，召回率指所有真正正例中被模型成功识别的比例，两者通常呈反向关系77% 相似待验证阈值函数的有效性高度依赖于底层模型输出概率的校准质量75% 相似待验证基准分数衡量的是模型成功稳定性和失败频率的平均值，而非峰值能力73% 相似待验证在预测市场中，置信度通常表示模型对某一二元或多元结果分配的主观概率，可用Brier分数等指标事后校准；在LLM驱动的系统中，它往往由模型自评或对多次采样的logits取均值得到，可靠性远低于统计模型。73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084637API
curl https://kongchang.com/api/v1/knowledge/claims/1084637MCP
get_claim(id=1084637)