待验证50% 置信决策规则精确时间

评估结果更适合用置信区间而非点估计表达，报告通过率区间比报告单一数字更诚实

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

置信区间concept

相关事实

待验证审查标注分歧比只看一致率数字更有价值，应研究为什么不同意而非只看同意了什么77% 相似待验证评估Agent时需要区分正确性与一致性，用外部正确性标签衡量比单纯统计终态一致性更有意义75% 相似待验证评估事实核查系统时应当把证据质量和答案正确性分开核算，单一联合分数容易掩盖真实能力边界74% 相似待验证此类评测优化工具的实际价值高度依赖评测数据集的质量和业务指标定义的合理性，若输入数据不能代表真实场景或指标设计有偏差，可能给出误导性结论73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/968970

API

curl https://kongchang.com/api/v1/knowledge/claims/968970

MCP

get_claim(id=968970)