待验证50% 置信事实精确时间

评估采用的端点指标是'模型减去匀称对照组'的差值，正值代表比对照更差

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

Regent Chessproduct model-minus-uniformconcept

相关事实

待验证当综合评估指数中顶尖模型得分接近天花板时会出现基准饱和问题，60分对59分的差距在统计学上通常处于误差范围之内73% 相似待验证将直方图替换为逐实例统计量（均值、中位数、标准差）反而略微降低了性能72% 相似待验证视频作者认为提升模型的下限（最差表现）比提升上限（最佳表现）更有价值72% 相似已验证模型量化通过用更低精度数值表示替代高精度参数，理论上可将模型体积和计算量缩减2-4倍71% 相似待验证研究发现大多数模型在'装好'条件下降低暗黑三角得分，在'装坏'条件下升高得分71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942756

API

curl https://kongchang.com/api/v1/knowledge/claims/942756

MCP

get_claim(id=942756)