待验证50% 置信权衡取舍精确时间

统计显著不等于实际显著，即使 p 值很小，如果实际改进幅度微不足道其工程价值仍然有限，这在统计学上对应统计功效与效应量的差别

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

McNemar检验对比机器学习模型：随机种子下的正确用法

redditr/learnmachinelearning2026/7/11

相关事实

待验证对于参数量有限的小模型，数据质量对最终性能的影响甚至超过数据量本身71% 相似待验证假设数据服从高斯分布，最大化似然等价于最小化均方误差66% 相似待验证泰特洛克的研究得出结论：专家预测的准确率仅略高于随机猜测，甚至不如简单的统计基准线65% 相似待验证蓬松度高的量程更精确是伪需求——量程越大分度值往往越粗，若只称随身小件不必买50kg量程，反而精度更差65% 相似待验证自回归缩放定律的边际收益正在递减，单纯增加模型规模和数据量带来的提升已微乎其微65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/502215

API

curl https://kongchang.com/api/v1/knowledge/claims/502215

MCP

get_claim(id=502215)