待验证50% 置信事实精确时间

评分模型（如GPT-4）在版本更新后，其对优质回答的判断标准可能发生偏移，导致历史评分数据出现系统性断层

1

来源数

50%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

如何向董事会汇报AI质量：3个高管秒懂的核心指标

相关事实

待验证GPT-4等模型在作为评判者时会系统性地偏好特定位置的回答74% 相似待验证GPT系列模型在维基百科文本上的困惑度从GPT-2的约29降至GPT-4的更低水平72% 相似待验证GPT-4及后续模型在面对明显不合理的请求时，已能提供更诚实的反馈和建设性的替代建议72% 相似待验证研究表明 GPT-4 在重复评估同一输出时，分数波动可达±1分（10分制）71% 相似待验证即使是 GPT-4 等顶级模型，在处理数字密集型金融数据时仍有显著的错误率71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/525510

API

curl https://kongchang.com/api/v1/knowledge/claims/525510

MCP

get_claim(id=525510)