Unverified50% confidenceTradeoffExact time
评分校准是关键技术难点，模型必须能大量给出低分，否则过滤系统失去意义
1
Sources
50%
Confidence
Long-term
Relevance
7/12/2026
First Seen
Sources
本地AI代理自动精读arXiv：只推送真正相关的论文
redditr/ollama7/10/2026
Related Claims
Verified若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力78% similarUnverified循环的好坏取决于验证机制和完成标准，主观评分标准会导致迭代难以逼近参考目标73% similarUnverified天花板效应指当测试工具的难度上限低于被测对象的实际能力时，分数分布呈现严重负偏态，导致测试的信度和效度显著下降70% similarUnverified对MoE模型的量化需要格外谨慎，因稀疏激活使专家参数数值分布集中，低比特量化易造成路由偏差导致能力退化70% similarUnverified安全分类器的核心困境在于精确率与召回率的权衡，调低阈值提高召回但增加误报，学术界称为对齐税70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/491242API
curl https://kongchang.com/api/v1/knowledge/claims/491242MCP
get_claim(id=491242)