待验证50% 置信基准精确时间

一些评估中的'高部分得分'掩盖了仅有0%到4%的真实交付率

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智能体的"完成"幻觉：语言正确≠任务完成

涉及实体

AI agent evaluationconcept

相关事实

待验证研究发现反事实输入的忠实度得分仅比事实输入低0.05分（在1-5分量表上），差异几乎可以忽略不计72% 相似待验证品种比例低于5%的检测结果基本不具参考意义，可能是数据库比对噪声，选购时应关注报告是否明确标注比例置信区间而非单纯给出百分比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% 相似待验证盖洛普民调的标准误差通常控制在±3-4个百分点,置信度达95%69% 相似待验证早期可解释性研究发现约5%的训练片段中存在未表达的与评分相关的推理69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/898940

API

curl https://kongchang.com/api/v1/knowledge/claims/898940

MCP

get_claim(id=898940)