待验证50% 置信解决方案精确时间

测试LLM引用行为时应对同一提示至少运行20—50次，理想情况下扩大至100次以上

1

来源数

50%

置信度

长期有效

时效性

2026/7/24

首次发现

来源

如何科学测试提示词对LLM引用行为的影响

redditr/learnmachinelearning2026/7/9

相关事实

待验证运行10次测试置信区间宽度约±31%，100次收窄至±10%，400次进一步收窄至±5%，推荐关键测试用例至少运行20-50次73% 相似待验证在5%显著性水平下测试100个随机因子，期望会有5个看起来显著（多重假设检验问题）72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/606929

API

curl https://kongchang.com/api/v1/knowledge/claims/606929

MCP

get_claim(id=606929)