待验证50% 置信事实精确时间

BLEU和ROUGE本质上是基于词元重叠率的统计指标，对需要语义判断的开放性任务失效

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

别看跑分！四个实测标准帮你判断大模型真实水平

bilibili鲲鹏AI探索局2026/7/6

相关事实

待验证限额校验往往发生在请求入队时，而实际token消耗统计发生在推理完成后，两者之间存在时间差64% 相似待验证该测试采用KL散度（KLD）作为客观量化指标，衡量量化后输出分布与BF16参考分布的偏离程度，KLD越低说明量化造成的信息损失越小63% 相似待验证当模型同时优化任务准确性和置信度校准时，两个梯度方向可能相互干扰，涉及灾难性遗忘和目标冲突问题63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/426485

API

curl https://kongchang.com/api/v1/knowledge/claims/426485

MCP

get_claim(id=426485)