待验证85% 置信事实时间未知
目前主流LLM评测基准如MMLU、HumanEval、MT-Bench主要关注知识能力和指令遵循能力，对谄媚行为的系统性评估尚未形成行业标准
1
来源数
85%
置信度
中期 (~90 天)
时效性
2026/6/1
首次发现
有效期至：2026/8/30
来源
涉及实体
相关事实
待验证LLM评估相比人工更客观，能在统一评估框架下对候选人一致性打分，避免人类面试官因疲劳、心情、首因效应等认知偏差导致的不公67% 相似待验证核心权衡：平台鉴别流程提供正品信心，但鉴别结论仍依赖鉴别师主观经验，高仿工艺升级后偶有争议案例见于社区讨论，并非零风险64% 相似待验证行业内已有平台探索置信度分级的人机协作审核框架：高置信度AI直接处置，中等置信度进入人工审核，低置信度仅标记观察64% 相似待验证报告本身给出的是标准化智商分数和各指数分，但对家长的实操指导（如具体学习策略、干预建议）取决于解读心理师的水平，选机构时应重点关注解读服务质量而非仅看量表品牌63% 相似已验证LLM-as-a-Judge方法存在位置偏差、冗长偏差和自我偏好偏差等已知系统性偏差63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/32882API
curl https://kongchang.com/api/v1/knowledge/claims/32882MCP
get_claim(id=32882)