待验证50% 置信事实精确时间

大模型的输出是概率性的，无法简单判断相等与否，因此不能用传统断言方式测试

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

AI大模型测试三阶段：从断言到评估的思维转变

涉及实体

大语言模型concept

相关事实

待验证由于大模型输出具有不确定性，无法用简单的assert断言判断生成文本是否正确，因此需要评估（evals）79% 相似待验证单次采样无法代表模型对某提示词的真实能力分布，3次以上独立采样才能提供足够的方差估计，是生产级提示词评估的最佳实践76% 相似待验证由于大模型本身无法严格区分指令与数据，提示词注入从根本上很难被彻底消除75% 相似待验证贝叶斯最优分类器理论上完美但实践中通常无法直接计算，因真实条件概率分布往往未知72% 相似待验证经典统计学习理论的框架并不能完全解释超大规模模型的行为72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/948504

API

curl https://kongchang.com/api/v1/knowledge/claims/948504

MCP

get_claim(id=948504)