Unverified75% confidenceTradeoffTime unknown
量表通俗性与测量精确性冲突：改写成大白话的'易懂版'常丢失反向计分题和专业措辞，可能虚高得分；FFMQ含反向题（如'我做事时心不在焉却几乎无觉察'），删掉这些题会破坏因子结构
1
Sources
75%
Confidence
Long-term
Relevance
-
First Seen
Sources
Related Entities
Related Claims
Unverified文档分块需权衡片段大小与语义完整性，过小则语义不完整，过大则引入噪音71% similarUnverified量化带来的性能下降在数学推理、代码生成和精确事实回忆任务上最明显，而对话、摘要和创意写作相对鲁棒70% similarUnverified转写准确率在安静环境下表现优秀，但嘈杂多人混说场景下准确率明显下降，对转写精度要求极高的专业场景仍需人工校对69% similarVerified量化会不可避免地引入精度损失，在逻辑推理等对准确性敏感的任务上可能出现性能下降69% similarUnverifiedLLM 在润色时倾向于把简洁精准的技术表述改写得更华丽，反而引入模糊性，可能将有特定含义的技术术语优化成同义词导致精确性丢失69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/191922API
curl https://kongchang.com/api/v1/knowledge/claims/191922MCP
get_claim(id=191922)