待验证50% 置信观点精确时间

审稿人因数据规模拒稿需区分两种情况：方法本身需要大数据才有效（合理缺陷）与审稿人只是期待大数据实验（评价标准单一）

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

论文因数据集太小被拒？小样本研究的困境与5个应对策略

相关事实

待验证大模型评估应超越选择题范式，仅测试选对答案不足以衡量真实的事实理解，必须引入拒绝错误的对抗性评估76% 相似已验证跑分榜单衡量的是模型考试能力而非解决真实问题的能力74% 相似待验证设计判断力这类偏主观的能力很难通过统一基准测试量化73% 相似待验证'只看答案'和'部分得分'的评估指标可能系统性地高估AI系统能力，评估必须检查过程而不只是终点69% 相似待验证追求精确踏板效率分析、左右平衡数据或需要精确配速的竞赛选手不适合，单边测量无法提供真实的双边独立数据68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/905408

API

curl https://kongchang.com/api/v1/knowledge/claims/905408

MCP

get_claim(id=905408)