待验证50% 置信基准精确时间

在 OpenAI 的 Difficult Prompt Test 中，事实错误率从低努力下的 53.6% 降至最高努力下的 4.3%。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/31

首次发现

有效期至：2027/1/29

来源

GPT-6.1 Terra 实测解析：更便宜但更慢，值得换吗？

youtubeExtrude Studio2026/10/26

涉及实体

GPT-6.1 Terramodel Difficult Prompt Testbenchmark

相关事实

待验证使用多智能体验证流程时MARCH的准确率被压低到4.4%，而同一模型被直接问哪个更好时准确率能达到43.7%74% 相似待验证在人工校对样本中，当文本清晰可辨时字符错误率仅为0.68%，但约45%的抽样段落因源质量问题完全无法校正73% 相似待验证人工数据录入的错误率通常在0.5%至4%之间，复杂判断类任务的错误率更高。72% 相似待验证研究发现反事实输入的忠实度得分仅比事实输入低0.05分（在1-5分量表上），差异几乎可以忽略不计71% 相似待验证在四个模型和三个基准测试上，表现最佳的骨架规格相比最佳端到端行为规格，平均测试误差降低了48.4%。70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1119588

API

curl https://kongchang.com/api/v1/knowledge/claims/1119588

MCP

get_claim(id=1119588)