Unverified50% confidenceFactExact time

Wilson置信区间相比简单正态近似在小样本场景下更为准确，能有效避免通过率接近0或1时出现区间越界的问题

1

Sources

50%

Confidence

Long-term

Relevance

7/17/2026

First Seen

Sources

用Pydantic Evals量化LLM输出质量并纳入CI质量门禁

Related Claims

Unverified朴素贝叶斯中需要使用对数概率空间来规避连乘小概率值导致的下溢68% similar Unverified优质Prompt在大多数场景下比微调更高效，在数据量不足或需求模糊的阶段贸然做微调往往事倍功半65% similar UnverifiedPR曲线在样本不平衡场景下更有价值，根本原因在于精确率的计算不涉及真负例（TN）的数量65% similar Unverified随机抽样检查一致性会因大部分样本简单而得到虚高的一致率，掩盖真正有问题的区域64% similar Unverified提升模型单步精度的边际收益远不如缩短任务链条、增加检查点63% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/536675

API

curl https://kongchang.com/api/v1/knowledge/claims/536675

MCP

get_claim(id=536675)