待验证50% 置信事实精确时间
在 Willison 的实验中，一次回答消耗了46分钟和43,506个推理token。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/4
首次发现
有效期至：2027/2/2
来源
涉及实体
相关事实
待验证格式行直接决定模型展示推理过程的频率：'Answer with the number only'导致37%的回复展示推理，朴素版本为27%，华丽版本仅8%。69% 相似待验证在五个模型上的测试显示，Reproduce任务的整题准确率介于49.21%至68.25%之间。66% 相似待验证清理后，机器人42%的回复引用了至少一条保存答案，来自20多条不同答案。66% 相似待验证Anthropic随机试验以52名工程师（多为初级）学习不熟悉的Python库，AI辅助组理解测验平均分为50%，手写代码组为67%，差距最大的是调试类问题；AI带来的速度优势约2分钟且不具备统计显著性。66% 相似待验证一项消融实验将模型的潜思考片段替换成来自无关问题的片段后，准确率下降 45%–51%，表明潜思考在承载实质推理。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1135400API
curl https://kongchang.com/api/v1/knowledge/claims/1135400MCP
get_claim(id=1135400)