已验证75% 置信决策规则精确时间
基准测试中应将执行失败与模型决策分开计数，避免将一次配额超限误读为模型的能力缺陷
3
来源数
75%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证大模型的失败模式包括凭空捏造事实、迎合用户信念调整回答、给出未忠实反映生成过程的解释，这些需要不同的测试手段。80% 相似已验证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80% 相似已验证校验失败时应将具体错误反馈给模型让其修正，但重试必须设置次数、超时时间和成本控制，因为重试会增加延迟和资源消耗79% 相似待验证如果参数量充足的模型连几十个样本都无法记住，几乎可以断定存在硬性错误，如标签错位、损失函数计算错误、梯度未正确回传等79% 相似待验证失败时应立即停止而非使用静默重试，因为重试会消耗预算并隐藏真实故障，重试策略应单独决策并文档化。78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002484API
curl https://kongchang.com/api/v1/knowledge/claims/1002484MCP
get_claim(id=1002484)