待验证50% 置信基准精确时间

七个二分类子任务的平均F1值在各模型间聚集于70.4到79.2之间

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

让AI读懂司法解释：德国宪法法院句级标注新基准

相关事实

待验证反讽检测任务在标准数据集（如iSarcasm、SemEval系列）上的最佳F1分数长期徘徊在70%-80%区间72% 相似待验证该模型的F1分数为72%，数据存在严重的类别不平衡，比例为89:1170% 相似待验证在二分类混淆矩阵中，F1分数是精确率和召回率的调和平均70% 相似待验证70到80之间的F1水平意味着当前模型表现更适合作为研究参照，而非直接落地的判决辅助工具66% 相似待验证基于NVIDIA H100的主流GPU推理方案在同等规模模型上通常只能达到每秒数十到一两百token61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946199

API

curl https://kongchang.com/api/v1/knowledge/claims/946199

MCP

get_claim(id=946199)