待验证60% 置信事实精确时间

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）

2

来源数

60%

置信度

长期有效

时效性

2026/8/10

首次发现

来源

LLM-as-a-Judge校准指南：裁判模型可靠性验证实践

相关事实

待验证测试者认为GPT-5.6相较于5.4和5.5是一次质变级别的提升76% 相似已验证随着GPT-4、GPT-4o等模型的推出，ChatGPT单次回复的长度和信息密度大幅提升75% 相似待验证V4.1-Flash在与GPT-5.6级别模型对比时分数高出1分74% 相似待验证实验表明包括 GPT-4 在内的多个主流模型的性能呈现明显的 U 形注意力曲线74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/724015

API

curl https://kongchang.com/api/v1/knowledge/claims/724015

MCP

get_claim(id=724015)