待验证50% 置信权衡取舍精确时间

集成采样方法（如自洽性检验）通过对同一问题多次采样统计答案分布估计不确定性，准确性较高但推理成本成倍增加

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

当LLM说"很可能"：语言不确定性与人类的鸿沟

涉及实体

Self-Consistencyconcept UQconcept

相关事实

待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现75% 相似待验证多重比较问题指同时测试多个模型变体时，即使每个单独检验显著性水平设为0.05，整体假阳性率也会急剧膨胀72% 相似待验证两个智能得分相近的模型其推理成本可能相差数倍甚至一个数量级72% 相似待验证研究团队指出推理时上下文管理在基准测试中带来的提升幅度超过了大多数已报告的系统间差异70% 相似待验证置换检验通过大量随机置换（通常1000到10000次）构建零假设下的经验分布来估计p值，无需参数假设但计算成本相对较高70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/971830

API

curl https://kongchang.com/api/v1/knowledge/claims/971830

MCP

get_claim(id=971830)