待验证50% 置信解决方案精确时间

卡方检验适用于比较两组提示词下引用出现比例的差异，Mann-Whitney U检验更适合比较引用数量均值

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

待验证多种子重复实验中可使用配对t检验或Wilcoxon符号秩检验比较两组准确率分布，其中Wilcoxon检验因不依赖正态性假设更适合小样本71% 相似待验证在自身真实项目上进行横向对比测试比参考排行榜数据更具实际参考价值68% 相似待验证建议通过设计针对性测试用例与官方渠道输出进行交叉比对，验证中转站调用的模型真实性65% 相似待验证由于测试数据集会随业务变化，历史评估分数需要附加版本标注才能保证纵向比较的有效性64% 相似待验证基准测试倾向于评估模型知道多少，而非能带来多少认知增量63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/606930

API

curl https://kongchang.com/api/v1/knowledge/claims/606930

MCP

get_claim(id=606930)