待验证50% 置信事实精确时间
模型自报的不确定性在排序预测错误方面的能力较弱，Spearman等级相关系数最高仅为0.46。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
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。78% 相似待验证困惑度是测试集上每个token平均负对数似然的指数，值越低代表模型对语料的预测越准确76% 相似待验证预言机路由器预先知道小模型哪些会错，只将错误请求发给大模型，其准确率与始终用大模型相当，花费仅29%。75% 相似待验证仅用小模型策略的每正确答案成本最低($0.0004)但准确率仅33%，说明没有准确率底线的每正确答案成本指标具有误导性75% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1124958API
curl https://kongchang.com/api/v1/knowledge/claims/1124958MCP
get_claim(id=1124958)