待验证50% 置信基准精确时间

五个系统在标准答案准确率上介于0.969到0.996之间

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

同量不同答：语言模型的数值表征不变性缺陷

涉及实体

Same Quantity, Different Answerconcept

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）67% 相似待验证对于 7B 模型，使用求解器准确率为 75.31%，直接计算为 72.02%，配对提升 +3.29 个百分点，95% 聚类区间为 [-3.49, 10.38] 跨越零点，优势不显著67% 相似待验证在提取出版年份等结构化数据时，模型准确率高达0.9766% 相似待验证皮尤的ATP设计效应通常在1.5到2.5之间，使得名义样本量1000的调查有效样本量可能只有400-66766% 相似待验证在财务报表中，字符准确率可能高达99%，但语义准确率可能不足50%65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942847

API

curl https://kongchang.com/api/v1/knowledge/claims/942847

MCP

get_claim(id=942847)