待验证50% 置信事实精确时间

评估的核心是打分，通常用0到1的连续值表达结果的好坏程度

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

AI测试的三层评估体系：大模型、知识库与智能体

涉及实体

相关事实

待验证困惑度是测试集上每个token平均负对数似然的指数，值越低代表模型对语料的预测越准确74% 相似待验证评估基准测试质量的关键指标是假阳性率和假阴性率，理想基准应将两者控制在较低水平71% 相似待验证效应量的判断标准是：0.2属于小效应，0.5属于中等效应，0.8以上算大效应70% 相似待验证几乎所有有用的优化价值都集中在反思/控制槽位，该槽位的留一进增益高达+0.119，而其他三个槽位的独立贡献几乎为零70% 相似待验证评分接近满分（如4.9+）但评价数极少的平台/司机需警惕刷分，应重点看100条以上真实差评的集中问题（加价、迟到、损坏物品），而非只看总评分69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/896484

API

curl https://kongchang.com/api/v1/knowledge/claims/896484

MCP

get_claim(id=896484)