待验证50% 置信基准精确时间

分析显示日内（within-day）分数的标准差为2.80分

1

来源数

50%

置信度

长期有效

时效性

2026/9/8

首次发现

来源

LLM性能漂移：31352次测量揭示API模型稳定性真相

涉及实体

AI Stupid Levelproduct

相关事实

待验证一个校准良好的模型，其输出的0.8分应当在统计意义上真的对应80%的正确率65% 相似待验证2020年前后的多篇论文显示，在控制条件下AI模型与DEXA结果的相关系数可达0.85-0.93，平均绝对误差约2-4%体脂百分比63% 相似待验证Unbounce的行业报告显示不同行业的落地页平均转化率从2%到20%不等63% 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61% 相似待验证研究表明LLM裁判与人类评分的一致率约为80%，接近但尚未超越人类自身一致性水平（约81%）61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/880244

API

curl https://kongchang.com/api/v1/knowledge/claims/880244

MCP

get_claim(id=880244)