待验证50% 置信注意事项精确时间
高度量化的模型有时会声称已完成任务，却没有实际调用 Write 工具；在 prompt 中明确点名 Write 工具后问题消失
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/17
首次发现
有效期至：2027/1/15
来源
一张RTX 5090跑125B编程模型：吞吐瓶颈与调优实录
rss2026/10/17
涉及实体
相关事实
待验证SWE-bench 衡量的是给定一个 bug 产出正确补丁的写作任务，几乎无法说明模型在驱动编辑器时的工具调用有效性、长程一致性、负载下的上下文和指令遵循能力。70% 相似待验证工具的实际调用不是由大模型完成的，模型只负责输出需要调用哪个工具及参数，真正执行工具函数的是客户端69% 相似待验证如果一个工作流每次都完全相同的固定步骤，不应该用Skill，而应该写脚本；Skill应定义目标和约束而非死板步骤69% 相似待验证Skill机制通过在上下文中注入结构化的Markdown指令引导模型完成特定任务，无需对模型本身进行微调68% 相似待验证unslopped技能通过系统提示词工程覆盖模型默认输出倾向，强制采用信息密度更高的写作风格68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1053024API
curl https://kongchang.com/api/v1/knowledge/claims/1053024MCP
get_claim(id=1053024)