待验证50% 置信事实精确时间

流失预测模型的输入特征包含RFM指标，即最近一次使用时间（Recency）、使用频率（Frequency）、消费金额（Monetary）

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订阅价格战：超低价优惠背后的用户留存博弈与消费陷阱

涉及实体

相关事实

待验证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70% 相似待验证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68% 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64% 相似待验证阈值函数的有效性高度依赖于底层模型输出概率的校准质量62% 相似待验证对于参数量有限的小模型，数据质量对最终性能的影响甚至超过数据量本身61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/832027

API

curl https://kongchang.com/api/v1/knowledge/claims/832027

MCP

get_claim(id=832027)