待验证50% 置信权衡取舍精确时间

评分校准是关键技术难点，模型必须能大量给出低分，否则过滤系统失去意义

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

本地AI代理自动精读arXiv：只推送真正相关的论文

redditr/ollama2026/7/10

相关事实

已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力78% 相似待验证循环的好坏取决于验证机制和完成标准，主观评分标准会导致迭代难以逼近参考目标73% 相似待验证天花板效应指当测试工具的难度上限低于被测对象的实际能力时，分数分布呈现严重负偏态，导致测试的信度和效度显著下降70% 相似待验证对MoE模型的量化需要格外谨慎，因稀疏激活使专家参数数值分布集中，低比特量化易造成路由偏差导致能力退化70% 相似待验证安全分类器的核心困境在于精确率与召回率的权衡，调低阈值提高召回但增加误报，学术界称为对齐税70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/491242

API

curl https://kongchang.com/api/v1/knowledge/claims/491242

MCP

get_claim(id=491242)