待验证50% 置信事实精确时间
模型制造商推荐的置信度门槛在模糊的BBQ性别问题上提高了保留答案中刻板印象的比例，granite-switch的刻板印象比例从0.76上升到0.85，pplx则从0.81上升到1.00。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/30
首次发现
有效期至：2027/1/28
来源
涉及实体
相关事实
待验证将置信水平从95%提高到99%（z值2.576），相同样本量下的误差范围将扩大约31%66% 相似待验证消融分析显示片段范式微调在测试集带来+5.29分提升，而用2000检索词替换前4500转录词仅带来+1.55分提升66% 相似待验证格式效应：同样的内容改成Markdown格式，五款评测器中有四款以73%到97%的比例偏好Markdown而非纯文本，而两位人类标注者在30对样本上只有57%的偏好率。65% 相似待验证仅改变选项顺序，GPT-6-luna某个选项的占比可从16%波动到40%；改变选项内部id对Jev答案的影响达37.9分（满分100），几乎等同于抽掉全部牌局信息的影响（37.1分）。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1115472API
curl https://kongchang.com/api/v1/knowledge/claims/1115472MCP
get_claim(id=1115472)