待验证50% 置信基准精确时间

评测覆盖九个基于文本的科学基准，抽样4531道题目、100份匹配画像，其中4488项完整跑完全部五种条件

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

职业化系统提示词无助科学推理：503份AI画像实测揭示成本陷阱

涉及实体

Scientific Agentsconcept

相关事实

待验证该评测共108项检查，分三大模块：后端API与全线65分、前端页面与真实交互25分、运行构建打包10分68% 相似待验证实验采用平衡准确率（balanced accuracy）作为评价指标，覆盖 8 个分类数据集68% 相似待验证论文将评估证据区分为六个层次：字段级、配对级、列表级、案例级、轨迹级和结果级66% 相似待验证研究团队选取了8个跨越不同能力层级的模型，在54个基准测试上进行交叉评估66% 相似待验证实验测试横跨六个异构基准（heterogeneous benchmarks）65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/966774

API

curl https://kongchang.com/api/v1/knowledge/claims/966774

MCP

get_claim(id=966774)