待验证50% 置信基准精确时间
在Llama 3.2 3B上，ConfabQA基准上的边际提升在折间波动范围内，但直接针对拒答的探针在PopQA和TriviaQA数据集上实现了18-25个百分点的提升。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至：2027/2/1
来源
涉及实体
相关事实
待验证正确性信号是模型依赖的，仅在Llama 3.2 3B上具有可移植性：探针边际在ConfabQA、PopQA和TriviaQA之间转移时，81%的边际在测试多数类上得以保留。75% 相似待验证在Qwen3-1.7B和Gemma 2 2B模型上，线性探针在区分即将发生的拒答与胡编时，表现显著优于基于提示特征的方法，分别提升了7.4和16.3个百分点。73% 相似待验证用非重叠锚点重新评估后，净优势反而从+4.1pp增大到+5.5pp，但显著性从2.4个标准误降至1.4个标准误；膨胀因子约2.4倍，恰好等于sqrt(912/163)。68% 相似待验证把上下文从256 token扩展到2,048 token后，在FEVEROUS上固定答案条件下的证据增益分别提升了3.84(Qwen)和3.10(Llama)个百分点67% 相似待验证VisKG-LM在CommonsenseQA、OpenBookQA和MedQA-USMLE三个基准上相比GreaseLM基线分别提升了1.2、0.8和4.3个点65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1128933API
curl https://kongchang.com/api/v1/knowledge/claims/1128933MCP
get_claim(id=1128933)