Unverified50% confidenceBenchmarkExact time
LLM评判的过滤策略比内部指标更为激进，并在巴尔的摩和芝加哥两个BPC语料库上显著降低了伪标签训练集的词错误率（WER）
1
Sources
50%
Confidence
Long-term
Relevance
9/28/2026
First Seen
Sources
Related Entities
Related Claims
Unverified与理想的oracle过滤器相比，LLM评判方法仍存在明显差距71% similarUnverified实验发现通用停用词表在每一次测试中都低于'不删除'的基线，反而拖累分类表现67% similarUnverified相比让 LLM 完成同样的分类任务，专用决策模型通常延迟更低、成本更可控、输出格式更规整，但牺牲了开放式表达能力66% similarUnverified重训存在明确取舍：在更干净的验证分布上部分极高分数出现轻微下降，以换取实战表现的提升65% similarUnverified预过滤（先过滤再搜索）与后过滤（先搜索再过滤）在结果质量上差异显著，后过滤可能因大量候选被事后剔除导致召回不足65% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/955554API
curl https://kongchang.com/api/v1/knowledge/claims/955554MCP
get_claim(id=955554)