待验证50% 置信事实精确时间
论文指出了比较两个版本时出现的四个评估风险（evaluation hazards）。
1
来源数
50%
置信度
长期有效
时效性
2026/11/6
首次发现
来源
涉及实体
相关事实
待验证评估尾部风险的常用指标包括条件风险值（CVaR）、最坏情况分析以及对抗性测试70% 相似待验证研究采用四个评估指标：准确率（Acc）、后见之明陷阱命中率（HTR）、答案不稳定率（AIR）、后见之明偏差率（HBR）68% 相似待验证研究者提出了一种风险敏感评估框架，通过六类风险语言（治疗指令、禁忌症、剂量表达、紧急分诊提示、高警示药物提及、过度自信断言）及其严重程度打分来评估医学大模型的患者安全风险。66% 相似待验证研究建议基准测试应多次执行并报告方差区间，明确标注哪些对比结论在统计上尚未定论64% 相似待验证研究者从HELM Safety中筛选出四个可能以'有害拒绝'为目标的候选数据集，其中三个已经饱和，无法提供有效的区分信息。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1142300API
curl https://kongchang.com/api/v1/knowledge/claims/1142300MCP
get_claim(id=1142300)