待验证50% 置信事实精确时间

研究构建了新指标共形加权连续偏离度（CWCD），用来量化自报数据与算法基线之间的落差

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

算法审计漂绿：机器学习如何量化企业碳排放造假的市场代价

涉及实体

相关事实

待验证研究提出了一套基于精确率下限（precision-floor）的重新校准协议来修正阈值偏差64% 相似待验证乘积量化通过预先计算的码本距离查表，将逐维度浮点运算的距离计算转化为整数查表累加，提升批量检索吞吐量62% 相似待验证提升平移不变性的方法如BlurPool和适当的数据增强往往也能在一定程度上提升模型对对抗样本的鲁棒性61% 相似待验证在样本极度不平衡时PR曲线能更真实地反映模型在少数类上的表现，评估欺诈捕获能力时更倚重PR曲线和AUPRC指标61% 相似待验证模拟研究能在已知真相的前提下人为控制测量误差大小，观察估计关系如何随误差增大而逐渐线性化61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975706

API

curl https://kongchang.com/api/v1/knowledge/claims/975706

MCP

get_claim(id=975706)