待验证50% 置信事实精确时间
实验结果显示，与现有基线相比，Circe 能更有效地区分正确与错误回答。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/6
首次发现
有效期至：2027/2/4
来源
涉及实体
相关事实
待验证研究者测试的修正方法——将每个答案与其配对答案的补数取平均——通过构造恢复了互补一致性，并降低了两种措辞上平均的Brier损失。66% 相似待验证在预测基准测试中的响应得分时，COMPREHEND生成的弱点报告比EvalTree更具信息量。64% 相似待验证在正负样本不平衡时精确率-召回率曲线（PR Curve）比ROC曲线更具参考价值，护栏测试中有害样本通常远少于正常样本，因此PR曲线往往更合适63% 相似待验证MAPLE的概率层级指标测量未被恢复的失败案例中正确token（金标token）的排名是否发生偏移，即便答案最终未被纠正，金标排名上升也说明技术正在接近正确答案。62% 相似已验证两个模型在精确匹配准确率上可能相当，但在共享测试实例上，它们出错的格子数量可能相差悬殊。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1142399API
curl https://kongchang.com/api/v1/knowledge/claims/1142399MCP
get_claim(id=1142399)