待验证50% 置信基准精确时间
在科学论断验证基准上，Qwen3 8B取得最高的Macro-F1（0.7937），Llama 3.1 8B为0.7204，Mistral 7B为0.6388，NLI基线（DeBERTa-v3-base-mnli-fever-anli）只有0.3157。
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
混合检索+NLI+开源LLM做科学论断验证，融合规则为何反而掉分？
rss2026/11/2
涉及实体
相关事实
待验证Qwen3.5-0.8B原版NLL为2.905585，PPL为18.2759；Qwengram-0.8B的NLL为2.853786，PPL为17.353474% 相似待验证采用保守融合规则（仅当NLI和LLM判断一致时才输出Support或Contradict，否则输出Not Enough Evidence）后，Macro-F1分别降至0.7392（Qwen3）、0.6730（Llama 3.1）和0.5991（Mistral），均低于各自单独使用的成绩。73% 相似待验证数据集涵盖四个开源权重模型Qwen2.5-7B、Mistral-7B-v0.3、Phi-3.5-mini和Qwen2.5-1.5B，各30条轨迹71% 相似待验证在 BioPhys-Bridge 评测中，Qwen3.7-Max 的证据ID F1分数为 0.31669% 相似待验证开源模型得分较低：Qwen3 235B得11/12、Gemma 4两个尺寸均为9/12、DeepSeek R1得7/12、GLM-5得5/1269% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130817API
curl https://kongchang.com/api/v1/knowledge/claims/1130817MCP
get_claim(id=1130817)