待验证50% 置信决策规则精确时间
对于增长场景，评估智能体还应叠加「实验胜率」——被合并的改动中有多少在 A/B 测试中取得统计显著的正向结果。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
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77% 相似待验证在一项自然实验中，11个技能评估中有7个分数在两次运行间发生了变化，最大波动达到1分。72% 相似待验证Meta AI研究显示，通过让模型迭代优化自己的提示词，在某些标准基准测试上性能可提升15-30%，但存在约20%概率陷入退化循环71% 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。71% 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。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129735API
curl https://kongchang.com/api/v1/knowledge/claims/1129735MCP
get_claim(id=1129735)