待验证50% 置信基准精确时间
在只看 logprob 时，17 个案例（47%）看起来成功抑制了 PII；但换成多指标框架后，只有 1 个案例（2.8%）通过。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证表现最好的最大模型能解决79.6%的留出测试集问题，但在TranSGrid上只能解决55.3%，在最难子集上骤降至15.8%65% 相似待验证在正确回答中，有13%至38%的案例，模型排除干扰项的理由在临床上是站不住脚的，而置信度完全没有反映这一点。64% 相似待验证在显著性水平 ε=0.09 的设定下，63% 的结节获得了确定的单标签预测，剩余 37% 的病例被转交给临床医生判断63% 相似待验证聚合指标（如平均分）会掩盖长尾场景中的失败，当95%常规case表现优异时，剩余5%边缘案例的崩溃不会在总分上留下明显痕迹63% 相似待验证施加 logit 惩罚后所有精度格式的推理 token 数量下降 11% 到 19% 不等61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1133781API
curl https://kongchang.com/api/v1/knowledge/claims/1133781MCP
get_claim(id=1133781)