待验证50% 置信解决方案精确时间

分层评估（stratified evaluation）按场景类型、用户群体或业务风险等级分别计算指标，可捕获子群体的显著退化

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

从生产事故到评估用例：LLM回归测试的实战方法论

相关事实

待验证分层评估（stratified evaluation）将评估数据集划分为多个slice并为每个slice设定独立通过阈值，可以捕获子群体的显著退化80% 相似待验证异常触发审批模式在工程实现上通常依赖置信度评分和离群检测两类机制70% 相似待验证判断一个动作是否需要人工审批可从可逆性和影响范围两个维度评估69% 相似待验证行为层评估（检查工具调用是否正确、是否存在循环）往往是最容易被忽略的一层68% 相似待验证等价类划分法将输入数据划分为有效等价类和无效等价类，边界值分析法专注于等价类边界处最容易暴露缺陷的临界条件68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/705567

API

curl https://kongchang.com/api/v1/knowledge/claims/705567

MCP

get_claim(id=705567)