待验证50% 置信基准精确时间

在该研究主要的十个LLM评审组成的评审库中，评审错误之间的平均两两相关系数为0.21

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

LLM评审共识的陷阱：错误相关性如何夸大证据强度

涉及实体

LLM-as-a-Judgeconcept

相关事实

待验证测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）79% 相似待验证2023年的分析显示主流LLM在生成学术引用时的错误率从30%到超过60%不等73% 相似待验证在实验中，零样本生成任务解决率为17%，通用自我纠错为27%，仅错误反馈为23%，诊断性反例反馈（A-CEGIS）达到90%71% 相似待验证业界仿真精度评估通常要求吞吐量误差小于15%70% 相似待验证理论上可靠的聚类标准误估计通常需要至少30-50个聚类，而该研究仅有19个独立时间单元，样本量相对偏小69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942777

API

curl https://kongchang.com/api/v1/knowledge/claims/942777

MCP

get_claim(id=942777)