已过期50% 置信事实精确时间

原文没有披露分歧的具体度量方式、Sol 6.1的详细表现数据以及24个样本的分布情况

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/18

首次发现

此条事实已过期，仅作历史留存，不再代表当前状态

有效期至：2026/11/1(已过期)

来源

Arize Phoenix评测实践：小样本下LLM评判分歧与自动评估选型

涉及实体

相关事实

待验证该对比实验未披露具体的数据集规模、评估指标以及对比公平性细节，这些因素会影响结论的普适性63% 相似待验证作者论证矩量测度不适合生成建模，因为接近ρ的是与Legendre共轭u*关联的分布，而作为先验的与u关联的Gibbs分布并不保证接近ρ63% 相似待验证工具描述得分与模型正确选择之间的Spearman相关系数仅为0.04，统计上几乎不存在关联。60% 相似待验证如果评估数据与生产数据存在分布偏差，评估分数无法反映模型的真实表现60% 相似待验证开发者提醒，18场对决的样本量不足以对模型做可靠排名。60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1059561

API

curl https://kongchang.com/api/v1/knowledge/claims/1059561

MCP

get_claim(id=1059561)