待验证50% 置信事实精确时间
单独测试的辅助危险头版本达到了 99.7% 的召回率,但仍会漏掉一种罕见的直线配置,导致自信的碰撞。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/29
首次发现
有效期至:2027/1/27
来源
涉及实体
相关事实
待验证多重检验问题中,若每次独立检验在 5% 显著性水平下产生假阳性的概率为 5%,做 20 次独立尝试后至少出现一次假阳性的概率约为 64%。72% 相似待验证基于回放的验证能检测到76.2%的不成功改进,而仅做构建检查完全检测不到这些行为故障71% 相似待验证在Track B上,扁平RAG基线能检测出76%–97%的真实矛盾,但对16%–43%表层相似的安全草稿产生误报(具体比例取决于后端)71% 相似待验证对小样本切片设置绝对失败数上限比设置百分比门槛更稳健,且对样本量不敏感71% 相似待验证任何单一基准测试的高分(如99.9%)只说明模型在该测试题目分布内表现优异,不能直接等同于通用智能。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1112530API
curl https://kongchang.com/api/v1/knowledge/claims/1112530MCP
get_claim(id=1112530)