待验证50% 置信事实精确时间

假阴性问题会系统性地低估检索质量，使不同方法之间的对比失去意义

1

来源数

50%

置信度

长期有效

时效性

2026/9/15

首次发现

来源

Q2D-Web：用1.9亿网页重构检索评测的真实性标准

涉及实体

假阴性concept

相关事实

待验证混淆研究错误的类别会导致两种危险：以事后诸葛否定所有失败探索，或放任有认识论缺陷的研究逃避审视77% 相似待验证对AI能力的静态认知会导致低估和高估两种典型误判75% 相似已验证当前大多数深度学习模型缺乏反事实推理能力，导致在分布外场景中表现骤降73% 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73% 相似待验证在顶会评审中Excitement低往往比Soundness低更难挽回，方法漏洞可靠补充实验修补但创新性不足难以通过Rebuttal扭转73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/922033

API

curl https://kongchang.com/api/v1/knowledge/claims/922033

MCP

get_claim(id=922033)