待验证50% 置信观点精确时间
蜕变测试检测的是模型在预设等价关系下的表现，等价关系本身的设计质量会影响检测覆盖面。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证为得到公平可复现的结果，测试者需要明确区分并报告被测模型能力、harness配置、工具权限与执行环境、提示词策略等维度78% 相似待验证实验表明，射线覆盖的几何结构可以解释很大一部分正确分类的测试输入，以及对抗样本、错误标注样本甚至分布外（OOD）样本的预测行为。78% 相似待验证判断模型对比资料含金量的关键在于对比结论是否基于可复现的测试、评测集是否公开、评分标准是否透明，而非项目形式本身77% 相似待验证模型回归测试通过固定评测集在更换提示词、模型版本或检索配置后重跑，比较通过率是否下降；判定方式包括打分阈值、语义相似度或LLM-as-judge，并对多次采样做统计比较。77% 相似待验证任何提示词或Schema变更后，应使用覆盖每个边界的微型测试集调用真实模型并对比输出差异，以捕捉模型行为变化。76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098635API
curl https://kongchang.com/api/v1/knowledge/claims/1098635MCP
get_claim(id=1098635)