待验证50% 置信事实精确时间
论文使用双单侧检验（TOST）将无法区分的结论提升为等价性，在全部12个Qwen/LLaMA实验格子上都成立
1
来源数
50%
置信度
长期有效
时效性
2026/10/2
首次发现
来源
涉及实体
相关事实
待验证多重检验问题指同时检验多个假设时整体误报率会急剧攀升，同时检验20个能力维度即使Agent无变化平均也会有1个维度看起来显著退化68% 相似待验证单一维度的盲测结论不宜过度解读，样本规模、测试设计和评价标准都可能影响结果67% 相似待验证对边缘分数论文，建议完整走完rebuttal观察分数走向，若分数无实质提升且无缘主会与Findings则撤稿转投对口workshop67% 相似待验证arXiv论文2609.22512指出，多个LLM评审的共识被视为强证据的前提是各评审的错误相互独立，而现实中LLM评审因训练数据和评估方式相似而会犯相同错误，导致共识夸大证据强度66% 相似待验证该研究采用三重评判机制：fail_fast（快速失败）、endstate（终态检查）和diligence（尽职检查），每个多轮测试被拆成三个互不混合的维度65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/966729API
curl https://kongchang.com/api/v1/knowledge/claims/966729MCP
get_claim(id=966729)