待验证50% 置信事实精确时间

重写一个提示词中的某条标准会导致同一提示词里其他标准的通过率波动5-10个百分点

1

来源数

50%

置信度

长期有效

时效性

2026/10/3

首次发现

来源

LLM评审结果为何反复横跳？拆解LLM-as-Judge的稳定性陷阱

涉及实体

LLM-as-Judgeconcept

相关事实

待验证研究表明在某些任务上仅将提示词中的'请判断'改为'请分析'就可能导致准确率波动5-10个百分点76% 相似待验证仅仅重新排列few-shot示例的顺序就可能导致准确率波动超过20个百分点75% 相似待验证文档纠偏中即使3-5度的倾斜也可能导致识别率下降10%以上73% 相似待验证在提升召回率时不可避免地牺牲精确率，将召回率从95%提升至99%可能使精确率从90%降至70%73% 相似待验证消融分析显示片段范式微调在测试集带来+5.29分提升，而用2000检索词替换前4500转录词仅带来+1.55分提升72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/968963

API

curl https://kongchang.com/api/v1/knowledge/claims/968963

MCP

get_claim(id=968963)