待验证50% 置信基准精确时间

2016年发表于《美国国家科学院院刊》的研究首次系统验证了深度学习在植物病害诊断中的可行性，在受控条件下准确率超过99%

1

来源数

50%

置信度

长期有效

时效性

2026/7/8

首次发现

来源

AI读懂植物语言：智能园艺如何让植物开口说话

youtubeOpenAI2026/6/25

相关事实

待验证计算机视觉已被用于作物病害的自动识别，准确率已超越部分农业专家65% 相似待验证METR（Model Evaluation and Threat Research）等组织正在开发标准化的危险能力测评，包括模型是否能提供超越公开文献的生物合成指导、是否能自主发现零日漏洞60% 相似待验证诊断故障时形成'诊断—操作—验证'的完整闭环，通过二次验证可提升诊断可信度58% 相似待验证通过固定随机种子（Seed）可以提升测试的确定性57% 相似待验证针对网络安全数据专门训练的专用模型有望在漏洞识别准确率和误报率上超越通用模型57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/223417

API

curl https://kongchang.com/api/v1/knowledge/claims/223417

MCP

get_claim(id=223417)