待验证50% 置信事实精确时间

根据Cohen's d效应量标准，检测中等程度效应通常需要每组至少30—50个样本

1

来源数

50%

置信度

长期有效

时效性

2026/7/24

首次发现

来源

如何科学测试提示词对LLM引用行为的影响

redditr/learnmachinelearning2026/7/9

相关事实

待验证测试LLM引用行为时应对同一提示至少运行20—50次，理想情况下扩大至100次以上66% 相似待验证该项目的50个样本属于概念验证级别，在更大规模真实生产环境中准确率可能出现波动65% 相似待验证智能筛选回归用例Agent能将回归测试的用例数量压缩到全量的20%-30%，同时保持95%以上的缺陷发现率63% 相似待验证在5%显著性水平下测试100个随机因子，期望会有5个看起来显著（多重假设检验问题）63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/606931

API

curl https://kongchang.com/api/v1/knowledge/claims/606931

MCP

get_claim(id=606931)