待验证50% 置信事实精确时间
实验采用平衡准确率（balanced accuracy）作为评价指标，覆盖 8 个分类数据集
1
来源数
50%
置信度
长期有效
时效性
2026/9/21
首次发现
来源
涉及实体
相关事实
待验证使用Edu-QuRating筛选混合集训练出的模型在九项基准测试上的整体观测准确率高于FineWeb-Edu基线模型，且性能提升集中在特定任务上73% 相似待验证研究团队选取了8个跨越不同能力层级的模型，在54个基准测试上进行交叉评估72% 相似待验证研究团队在 EBM-NLP 词级 PICO 分类任务上采用了十二项指标的指标矩阵，包括平衡准确率、宏平均 F1、ROC-AUC 等对不平衡敏感的指标70% 相似待验证实验表明门控目标在两个数据集上均获得最高平均准确率，验证了目标可靠性和评估优先级可独立优化70% 相似待验证评估（Evaluation）通过预定义的测试集和评分标准衡量输出质量，维度包括准确性、相关性、忠实度、有害内容检测69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/937854API
curl https://kongchang.com/api/v1/knowledge/claims/937854MCP
get_claim(id=937854)