待验证60% 置信事实精确时间
常用的校准评估指标包括期望校准误差（ECE）和可靠性图（Reliability Diagram）
2
来源数
60%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
元认知反馈：用强化学习让大模型准确表达不确定性
hackernewshackernews2026/7/7
相关事实
待验证校准是指模型给出的置信度与实际频率相符的程度，常通过可靠性图和期望校准误差（ECE）来量化85% 相似待验证评估（Evaluation）通过预定义的测试集和评分标准衡量输出质量，维度包括准确性、相关性、忠实度、有害内容检测74% 相似待验证更科学的AI效能评估应参考DORA指标体系，结合部署频率、变更前置时间、缺陷逃逸率、代码圈复杂度等多维指标71% 相似待验证灌注指数(PI值)是判断信号可靠性的关键指标，PI<0.4时读数不可信，选购时优先带PI显示的机型，可辅助判断当前测量是否有效70% 相似待验证过程层也称轨迹评估（Trajectory Evaluation），包含工具调用精准度、执行路径效率、自主纠错能力三项核心指标70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/261061API
curl https://kongchang.com/api/v1/knowledge/claims/261061MCP
get_claim(id=261061)