1 含有标签「hallucinations」

你的准确率提升了，但你的校准崩溃了

一个提升了 3 个百分点准确率的提示词重构，可能会悄无声息地破坏用户信任的对冲信号。使用 ECE、可靠性图表和拒绝率来衡量校准，而不仅仅是准确率。