待验证50% 置信基准精确时间

该模型的F1分数为72%，数据存在严重的类别不平衡，比例为89:11

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/8/29

首次发现

有效期至：2026/11/27

来源

干洗预测模型实战：从购物痛点到Serverless ML部署全流程

涉及实体

Machine Wash Prediction Modelproduct

相关事实

待验证在评估阶段对候选关系标签进行随机打乱后，该模型的F1从37%骤降到14%65% 相似待验证在Terminal Bench 2.1基准测试上，Ultra模式接近92%，超越竞品的88%表现62% 相似待验证基准过拟合是当前大模型评估的核心问题，部分模型在HumanEval上达到90%以上通过率但在真实代码库中表现远不如预期60% 相似待验证部分模型在MMLU上的得分已超越人类平均水平90%，导致其区分度急剧下降59% 相似待验证当所有模型在某评测上都能拿90分时该评测就应退场，即基准饱和现象59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/821047

API

curl https://kongchang.com/api/v1/knowledge/claims/821047

MCP

get_claim(id=821047)