待验证50% 置信基准精确时间

研究团队进行的人类验证实验显示，LLM生成的评分与人类评分之间存在较强正相关关系（Spearman's rho = .693，p < .001）

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

XAI-Arena：用大语言模型评判可解释AI的解释质量

涉及实体

XAI-Arenaproduct

相关事实

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%）74% 相似待验证研究表明人类评估者在判断LLM输出的事实准确性时，正确率往往只有50%-70%72% 相似待验证2024年的多项研究表明，LLM裁判与人类专家的一致率通常在70%-85%之间70% 相似待验证Schmidt & Hunter (1998)的元分析研究发现一般认知能力测试的预测效度为r=0.51，工作样本测试达到r=0.5468% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/907807

API

curl https://kongchang.com/api/v1/knowledge/claims/907807

MCP

get_claim(id=907807)