待验证50% 置信事实精确时间

由于大模型输出具有不确定性，无法用简单的assert断言判断生成文本是否正确，因此需要评估（evals）

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

AI评估消耗了多少Token？被忽视的算力成本黑洞

涉及实体

相关事实

待验证当模型缺乏某个库的准确知识时，倾向于生成语法正确但语义错误的代码，即'自信错误'72% 相似待验证当模型本身缺乏对特定问题的理解能力时，再精巧的提示词也无法弥补这一缺陷71% 相似待验证困惑度衡量模型对某段文本的意外程度，AI倾向于选择高概率词汇，因此困惑度偏低70% 相似待验证困惑度是整体统计指标，无法捕捉模型在逻辑推理、事实准确性、指令遵循等特定能力维度上的退化情况68% 相似待验证设计判断力这类偏主观的能力很难通过统一基准测试量化68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/830135

API

curl https://kongchang.com/api/v1/knowledge/claims/830135

MCP

get_claim(id=830135)