待验证50% 置信事实精确时间
样本效率指模型达到某一性能水平所需的训练样本数量；几何平均1.8倍优势意味着使用Assur特征的模型达到相同预测误差所需样本数约为基线的1/1.8。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证该基准给每个模型输出两个永不合并的数字：任务得分和虚假自信率（本应上报却强行作答的比例）73% 相似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72% 相似待验证弱监督标签的质量上限取决于零样本模型本身的准确率，若模型系统性出错训练集会继承该偏差72% 相似待验证重试率指模型首次输出未被采纳、需要开发者重新提问或调整提示词再次尝试的比例，在真实工作流中普遍存在，因为模型一次性成功率远低于基准测试假设的理想值。70% 相似待验证单次调用通过测试只给出 n=1 的结果，不足以证明模型可靠性；需要通过多次试验计算通过率及其置信区间下界。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114598API
curl https://kongchang.com/api/v1/knowledge/claims/1114598MCP
get_claim(id=1114598)