待验证50% 置信事实精确时间
等渗校准（Isotonic）能降低期望校准误差（ECE），但并不总能改善区分度。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
待验证分位数损失相比 MSE 对异常值更鲁棒，并能隐式刻画预测误差的非对称性71% 相似待验证自动化评估的断裂点包括：LLM评审宽松、对部分正确判断不佳、对prompt措辞敏感、会漏掉细小错误、一致率可能掩盖低召回率。69% 相似待验证选择5个而非3个基学习器与eCMI信息论计算中达到精确O(d)上界的技术条件相关，更少投票数可能带来常数因子损失67% 相似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67% 相似待验证未校准的模型若直接套用固定阈值做自动决策，会系统性地高估或低估风险，因此上线前应绘制可靠性图并评估ECE等指标。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1088396API
curl https://kongchang.com/api/v1/knowledge/claims/1088396MCP
get_claim(id=1088396)