待验证50% 置信解决方案精确时间
性能基准测试结果具有统计波动性，需要多次运行取中位数或P95/P99百分位来判断
1
来源数
50%
置信度
长期有效
时效性
2026/9/7
首次发现
来源
涉及实体
相关事实
待验证测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）76% 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76% 相似已验证ReAct的误差会链式放大：若每步准确率为p，经过n步后整体成功率约为p的n次方，单步95%准确率经过10步后整体成功率约降至59.9%，20步后仅剩35.8%72% 相似待验证多重比较问题指同时测试多个模型变体时，即使每个单独检验显著性水平设为0.05，整体假阳性率也会急剧膨胀69% 相似待验证在同一复现实验中，ResNet-20测试准确率为90.4%，ResNet-56测试准确率为91.7%，训练准确率分别为97.4%和99.0%69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/871104API
curl https://kongchang.com/api/v1/knowledge/claims/871104MCP
get_claim(id=871104)