待验证50% 置信事实精确时间
在MedAbstain基准上,基座模型的适当弃答率中位数仅为8.3%,微调后进一步降至中位数4.2%。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/9
首次发现
有效期至:2026/11/23
来源
涉及实体
相关事实
待验证条件化响应图相比两张图的平均值,在Gemma-2-9B上将均方预测误差降低了53.6%75% 相似待验证在 0.81 阈值下,缓存答案“符合问题”的比例比新鲜答案低 5.8 到 10.7 个百分点;换算到全部响应,整体质量损失约 2 到 3 个百分点;Haiku 5.5 差距最大(10.7 个百分点),缓存答案合格率仅 67.9%。74% 相似待验证翻转集中发生在模型自身置信度较低的区域:置信度最低的三分位翻转率达54%,而最高三分位仅8%。74% 相似待验证在安慰剂测试中,合成控制法90%的估计收窄到-7%到+9%,RMSE降到4.9个百分点,比DiD低了超过三分之一72% 相似待验证对模型输出与标准答案进行 difflib 比率比对,44 次通过中最高比率仅为 0.73,大多数低于 0.3,表明模型并非在背诵答案。72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1149934API
curl https://kongchang.com/api/v1/knowledge/claims/1149934MCP
get_claim(id=1149934)