待验证50% 置信事实精确时间

该研究的评估维度包括验证困惑度和 LLM-as-judge 对生成回答的评分。

1

来源数

50%

置信度

长期有效

时效性

2026/10/27

首次发现

来源

数据质量的真相：响应占比才是指令微调的关键指标

rss2026/10/25

涉及实体

验证困惑度concept LLM-as-judgeconcept

相关事实

待验证阅读基准测试结果时应审视其评分机制，尤其警惕纯粹由LLM打分带来的偏差80% 相似待验证研究比较了专家为LLM码本修订提供反馈的三种方式：码本验证、问题回答和理由标注76% 相似待验证对于难以自动化评估的指标（如幻觉率），部分团队引入LLM-as-Judge方法进行辅助评分76% 相似待验证论文评估了自动化评测中作为评判者的模型或标准可能引入的系统性偏差（裁判偏差）问题75% 相似已验证研究重点考察了检查点的选择、验证机制以及答案的迭代精炼三个方面对证明质量的影响74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1102339

API

curl https://kongchang.com/api/v1/knowledge/claims/1102339

MCP

get_claim(id=1102339)