已验证75% 置信事实精确时间
两个模型在精确匹配准确率上可能相当，但在共享测试实例上，它们出错的格子数量可能相差悬殊。
3
来源数
75%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
涉及实体
相关事实
待验证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78% 相似待验证漂移检测的统计前提是比较的两组观测必须来自同一分布的可比样本，跨版本直接对比原始计数会产生假阳性。78% 相似待验证McNemar 检验关注两个模型在每个样本上的分歧情况，只有判断结果不一致的样本（b和c单元格）具有信息量，两者都对或都错的样本被视为无关信息75% 相似待验证据该研究描述，这种处理让模型在涉及二进制载荷的样本上，判断的准确性和一致性都有明显改善——盲区被部分补齐。75% 相似待验证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74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1041954API
curl https://kongchang.com/api/v1/knowledge/claims/1041954MCP
get_claim(id=1041954)