待验证50% 置信事实精确时间

测量敏感性指保持同一模型标识符但整体重建评估加推理配置后，端点指标是否发生变化

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

托管大模型行为评估的可复现性危机：测量方法比模型更影响结论

涉及实体

Measurement Sensitivityconcept

相关事实

待验证校准性指模型表达的置信度与实际准确率之间的一致程度70% 相似待验证对抗 RL 的鲁棒性评估应在目标部署场景中重新验证，而非盲目照搬既有结论65% 相似待验证干预实验将数字提示中答案位置的临时状态在五个不同深度复制到另一个数字提示中，观察最终动物评分跟随哪一个提示，该方法本质上是激活修补（Activation Patching）技术65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942754

API

curl https://kongchang.com/api/v1/knowledge/claims/942754

MCP

get_claim(id=942754)