待验证50% 置信基准精确时间

仅使用文本的基线模型决策准确率为33.33%，引入双证据token后准确率提升至93.33%

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

THPL框架：用视觉-语言模型驱动虹鳟鱼精准投喂决策

涉及实体

相关事实

待验证相比标准LoRA，反事实mDPO使决策准确率从93.33%提升到96.67%79% 相似待验证BF16 精度模型的基线准确率为 74%，加惩罚后提升至 84%，推理 token 减少 19.4%74% 相似待验证使用多智能体验证流程时MARCH的准确率被压低到4.4%，而同一模型被直接问哪个更好时准确率能达到43.7%73% 相似待验证精确性偏见指人们对包含精确数字的陈述倾向于赋予更高可信度，实验显示受试者对「41.3%」的可信度评分显著高于「大约40%」71% 相似待验证证据驱动的改进前验证把精度从58.6%提升到72.3%，每轮无支持的目标从1.93个降到0.50个70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975670

API

curl https://kongchang.com/api/v1/knowledge/claims/975670

MCP

get_claim(id=975670)