待验证50% 置信基准精确时间

2018年之前的模型与2019年后采用Margin-based Loss的模型在同一基准上准确率可能相差5-10个百分点

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

AI人脸识别不准怎么办？六大实战优化方案详解

相关事实

待验证LLM新模型的平均评估指标可能优于旧模型，但会在小众关键场景中出现退化67% 相似待验证经过良好校准的FP8推理，模型输出质量损失通常可控制在1%以内67% 相似待验证2024年多项研究发现，部分模型在去污染版本的评测集上得分下降幅度可达10-20个百分点66% 相似待验证测试损失与计算量之间的幂律指数约为0.05，意味着计算量每增加10倍，模型性能提升约12%66% 相似待验证据行业估算，2023年至2025年间，同等质量的LLM推理成本下降了约10-50倍66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/705639

API

curl https://kongchang.com/api/v1/knowledge/claims/705639

MCP

get_claim(id=705639)