待验证50% 置信观点时间未知

第三方评测榜单存在方法论假设和覆盖局限，单一排名难以完整刻画模型全貌

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

ReLE中文大模型评测：374个模型的能力排行榜与缺陷库

githubjeinlee1991

涉及实体

相关事实

待验证任何单一基准排名都不足以全面评价模型，应保持怀疑并寻求交叉验证、独立复现75% 相似待验证朴素贝叶斯分类器基于条件独立性假设，在特征高度相关的场景下表现不佳74% 相似待验证单次采样无法代表模型对某提示词的真实能力分布，3次以上独立采样才能提供足够的方差估计，是生产级提示词评估的最佳实践74% 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69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/917732

API

curl https://kongchang.com/api/v1/knowledge/claims/917732

MCP

get_claim(id=917732)