待验证50% 置信事实精确时间

一次测试运行至少产生三个不同的数字：collected、selected、executed（call阶段），而补丁通常只报告最后一个。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

AI补丁测试审计：别被42 passed骗了

涉及实体

测试运行计数concept

相关事实

待验证2.5-24在指令遵循的三项测试中均获得第一。67% 相似待验证v3最终版加入打捞机制：保留3次尝试中最佳结果，若模型至少给出14个合格格子则从起始列表补齐其余格子64% 相似待验证该测试的局限性包括：任务规模有限（50个任务、每个提示词3次试验）、风格版本由单一作者撰写、华丽版本与正常版本存在长度混淆、仅测试英语和14B以下本地模型、困惑度检查仅覆盖三个较小Qwen模型且使用全精度权重而实际推理用4位量化。62% 相似待验证单轮测试采用严格的精确参数评分并按严重度加权（L4=8分递减到L0=0分）60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1049681

API

curl https://kongchang.com/api/v1/knowledge/claims/1049681

MCP

get_claim(id=1049681)