待验证50% 置信基准精确时间
在分布偏移基准上的实验表明，MIRA在准确率、校准性和负对数似然上均有改善。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至：2027/2/1
来源
涉及实体
相关事实
待验证研究最明确的结论是：少量高质量标注数据的微调效果显著优于规模更大但质量参差的混合数据集，统计显著性达到p < 0.01。74% 相似待验证宏平均准确率先分别计算每个类别的准确率再取算术平均，对少数类别的表现更为敏感；总体准确率是所有样本中预测正确的比例，容易受类别样本数量分布的影响。73% 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。72% 相似待验证在不平衡分类问题中，即使模型将所有样本都预测为多数类也能获得很高的准确率，因此需要转向精确率-召回率曲线、F1分数、Matthews相关系数或AUC-ROC等更具鉴别力的指标72% 相似待验证假设数据服从高斯分布，最大化似然等价于最小化均方误差71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129527API
curl https://kongchang.com/api/v1/knowledge/claims/1129527MCP
get_claim(id=1129527)