待验证50% 置信注意事项精确时间

仅靠 BLEU、ROUGE 或整体准确率等聚合指标来评估上下文压缩策略是不充分的，因为它们衡量的是典型情况下的平均表现而非最坏情况的覆盖保障

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

上下文优化的隐藏风险：被丢弃的证据谁来测试？

涉及实体

BLEUconcept ROUGEconcept

相关事实

待验证无梯度方法样本效率低，在高维参数空间中缺乏梯度指引意味着需要海量函数评估才能收敛73% 相似已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力73% 相似待验证探针准确率的高低反映的是信息的线性可分离程度，而非模型是否有意表征该概念70% 相似待验证研究揭示LLM并不像理想的贝叶斯智能体那样根据证据可靠性进行合理加权更新，而是表现出接近分布倾斜的行为模式，其影响与证据真实可靠性的关联比贝叶斯框架预期的弱70% 相似待验证为几个百分点的榜单差距进行定向优化是本末倒置，评估模型时不应盲目迷信榜单排名70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949264

API

curl https://kongchang.com/api/v1/knowledge/claims/949264

MCP

get_claim(id=949264)