Unverified50% confidenceTradeoffExact time
集成采样方法（如自洽性检验）通过对同一问题多次采样统计答案分布估计不确定性，准确性较高但推理成本成倍增加
1
Sources
50%
Confidence
Long-term
Relevance
10/4/2026
First Seen
Sources
Related Entities
Related Claims
Unverified对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现75% similarUnverified多重比较问题指同时测试多个模型变体时，即使每个单独检验显著性水平设为0.05，整体假阳性率也会急剧膨胀72% similarUnverified两个智能得分相近的模型其推理成本可能相差数倍甚至一个数量级72% similarUnverified研究团队指出推理时上下文管理在基准测试中带来的提升幅度超过了大多数已报告的系统间差异70% similarUnverified置换检验通过大量随机置换（通常1000到10000次）构建零假设下的经验分布来估计p值，无需参数假设但计算成本相对较高70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/971830API
curl https://kongchang.com/api/v1/knowledge/claims/971830MCP
get_claim(id=971830)