待验证50% 置信注意事项精确时间

历史QA标签本身可能存在噪声（不同QA人员标准不统一），训练分类器前应做标签一致性分析以避免在脏标签上过拟合

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

40万工单的AI质检系统：一个实习生的架构抉择

相关事实

待验证MMLU、TruthfulQA等主流基准测试已开始关注弃权维度，但业界尚未形成统一的弃权评分标准58% 相似待验证当前VLA领域缺乏可复现、可横向对比的标准化评测基准，多数VLA论文在各自定制的实验环境中报告结果58% 相似待验证上述基准数字来自Qwen官方报告，独立排行榜仍在验证中，存在测试集训练的质疑57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/967195

API

curl https://kongchang.com/api/v1/knowledge/claims/967195

MCP

get_claim(id=967195)