待验证50% 置信基准精确时间

满意度—成功鸿沟这一规律在五个不同评分群体、两个基准、以及所有主观评价维度上都保持一致

1

来源数

50%

置信度

长期有效

时效性

2026/9/14

首次发现

来源

GAUGE研究：何时不能信任LLM-as-a-Judge的智能体评测

涉及实体

相关事实

待验证元认知反馈通过奖励置信度与准确率的一致性，在奖励信号中引入认知诚实度这一与内容质量正交的新维度68% 相似待验证GAUGE区分了两种评测有效性：排序有效性（能否正确把强者排在前面）与构念有效性（所测指标是否真的对应任务成功）68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/919802

API

curl https://kongchang.com/api/v1/knowledge/claims/919802

MCP

get_claim(id=919802)