Unverified50% confidenceFactExact time
配对设计通过在同一个体上观测两种处理的差值将个体差异从误差项中剥离，等价于将组间方差转化为组内比较以提高统计功效
1
Sources
50%
Confidence
Long-term
Relevance
7/14/2026
First Seen
Sources
McNemar检验对比机器学习模型：随机种子下的正确用法
redditr/learnmachinelearning7/11/2026
Related Claims
UnverifiedEqual Opportunity Difference衡量不同群体在正样本上的真正例率差异，Demographic Parity衡量不同群体获得正向决策的概率差异76% similarUnverified使用异构（跨厂商）模型组合进行对抗审查比使用同一模型的两个实例能提供更真实的视角差异71% similarUnverified引入不同厂商的第二模型进行交叉审查理论上能减少同源偏见并提升缺陷捕获率69% similarUnverified人类标注者在评估答案时存在信息越丰富越好的认知偏差，导致奖励模型将篇幅与质量隐性挂钩，是模型冗余的成因之一69% similarUnverified使用同一模型既生成又自评存在自我强化偏差，引入独立评估者能提供更客观的质量判断68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/503587API
curl https://kongchang.com/api/v1/knowledge/claims/503587MCP
get_claim(id=503587)