待验证50% 置信基准精确时间

PAWS在2,522个分层抽样的行为样本上进行验证，独立的AI审查者与人类审查者在交互模式判定上达成89.4%的初始一致率

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

PAWS数据集：政策驱动的金融多智能体世界仿真

涉及实体

相关事实

待验证灵蟹 SoloEnt 团队在模型测评第二弹中对四款AI模型进行了网文写作能力评测69% 相似已验证该方案中 AI 自动评审会进行完整性检查、一致性检查和冗余检查等多维度验证68% 相似待验证AI应用测试需要基于语义等价性而非字符串精确匹配的断言方式，以及基于统计分布的质量评估（如在1000次调用中准确率需达到95%以上）68% 相似待验证在人类图灵测试中，受试者对 TRACER 生成对话的识别准确率接近随机猜测水平67% 相似待验证研究者需要清晰区分"AI辅助生成"与"形式化验证通过"这两种不同的可信度等级67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949009

API

curl https://kongchang.com/api/v1/knowledge/claims/949009

MCP

get_claim(id=949009)