Unverified50% confidenceBenchmarkExact time
研究表明在某些任务上仅将提示词中的'请判断'改为'请分析'就可能导致准确率波动5-10个百分点
1
Sources
50%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Unverified研究表明人类评估者在判断LLM输出的事实准确性时，正确率往往只有50%-70%77% similarUnverified测评题量与信度存在权衡：低于30题的『快测』因抽样不足信度偏低，但200题以上的专业量表易产生答题疲劳导致后半段随意作答，60-120题是兼顾信度与完成质量的区间73% similarUnverified精度参数看两部分：'读数百分比+末位字数'（如±0.5%+2），末位字数在小量程时对总误差影响很大，只看百分比会误判73% similarUnverifiedSelf-Consistency通过多次采样推理路径后投票取多数答案，可进一步提升准确率约5-10个百分点73% similarUnverified品种比例低于5%的检测结果基本不具参考意义，可能是数据库比对噪声，选购时应关注报告是否明确标注比例置信区间而非单纯给出百分比73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/895764API
curl https://kongchang.com/api/v1/knowledge/claims/895764MCP
get_claim(id=895764)