待验证50% 置信决策规则精确时间

AI测试用例不能只执行一次就判定，业界通常建议同一测试用例至少执行5-10次以统计输出的稳定性和质量分布

1

来源数

50%

置信度

长期有效

时效性

2026/8/18

首次发现

来源

AI Agent测试实战：五大核心要点与量化评估方法详解

相关事实

待验证在机器学习多种子实验中重复次数通常只有5到10次，样本量极小，正态性假设难以验证，因此 Wilcoxon 检验往往是更保守稳健的选择76% 相似待验证在某些测试条件下，主流AI编程工具推荐不存在包名的概率可达5%~20%75% 相似待验证纯AI测试方案存在输出随机性、Token消耗成本高、执行效率慢三大现实痛点73% 相似待验证AI在实验设计中采用8:2划分保留20%作为独立测试集，并在80%训练集上采用5折交叉验证以避免数据泄漏72% 相似待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/770971

API

curl https://kongchang.com/api/v1/knowledge/claims/770971

MCP

get_claim(id=770971)