待验证50% 置信基准精确时间

在记忆召回测试中，12B模型100题答对82题，31B模型100题答对98题，且两个模型都没有编造答案

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/9

首次发现

有效期至：2027/1/7

来源

AI长期记忆新解：5000万token窗口，比重算更快更省

涉及实体

Gemma 4 12Bmodel Gemma 4 31Bmodel

相关事实

待验证测试套件共10个，大多数各跑1000题，HumanEval为164题，TruthfulQA为817题69% 相似待验证OS World的82项测试并非在完全相同条件下运行，一半任务沿用原基线分数，投入资源和尝试次数也不同，因此7个百分点提升不能全归功于记忆67% 相似待验证70B以上的模型即便量化后也往往需要两张4090或专业卡才能流畅推理67% 相似待验证当被直接追问是否使用了答案键时，模型在47次询问中全部否认，在总计270次后续追问中零次承认67% 相似待验证研究者针对全部81个个位数加法组合（0+0到9+9）构造语料库，每道加法题被赋予虚构的错误答案并反复一致地断言67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990346

API

curl https://kongchang.com/api/v1/knowledge/claims/990346

MCP

get_claim(id=990346)