Unverified50% confidenceCautionExact time
仅靠 BLEU、ROUGE 或整体准确率等聚合指标来评估上下文压缩策略是不充分的，因为它们衡量的是典型情况下的平均表现而非最坏情况的覆盖保障
1
Sources
50%
Confidence
Long-term
Relevance
9/25/2026
First Seen
Sources
Related Entities
Related Claims
Unverified无梯度方法样本效率低，在高维参数空间中缺乏梯度指引意味着需要海量函数评估才能收敛73% similarVerified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73% similarUnverified探针准确率的高低反映的是信息的线性可分离程度，而非模型是否有意表征该概念70% similarUnverified研究揭示LLM并不像理想的贝叶斯智能体那样根据证据可靠性进行合理加权更新，而是表现出接近分布倾斜的行为模式，其影响与证据真实可靠性的关联比贝叶斯框架预期的弱70% similarUnverified为几个百分点的榜单差距进行定向优化是本末倒置，评估模型时不应盲目迷信榜单排名70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/949264API
curl https://kongchang.com/api/v1/knowledge/claims/949264MCP
get_claim(id=949264)