待验证50% 置信基准精确时间

在120个模板相关请求上，完整工作流在首轮规格与决策正确率上达到98.3%，模式辅助的单次尝试为92.5%，仅模型方案为82.5%。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/11/2

首次发现

有效期至：2027/1/31

来源

Agent能否可靠生成PDE仿真规格？新研究给出答案

涉及实体

PDE仿真规格生成工作流concept

相关事实

待验证在带命题约束的任务中，模型整合已验证为无效候选的比例高达93%–100%74% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性74% 相似待验证在数学任务中，模型写出推理步骤时正确率为79%，只给出裸数字时正确率仅11%。73% 相似待验证测试中出现模型自称某步有95%把握但按评分标准得0分的案例72% 相似待验证在完全未被触碰的152题测试子集上，锚定混合检索为42.11%，规划引导方法仅36.84%71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1125176

API

curl https://kongchang.com/api/v1/knowledge/claims/1125176

MCP

get_claim(id=1125176)