待验证50% 置信基准精确时间

在十个问题中，有八个问题的至少一条记录仍然在渐近意义上落后于已发表的最佳边界

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/12

首次发现

有效期至：2027/1/10

来源

SqueezeBench：抗饱和的AI数学能力评测基准

涉及实体

SqueezeBenchproduct

相关事实

待验证一个关键查询从正确变成错误的代价，可能远大于十个边缘查询的小幅改善65% 相似待验证多跳推理查询的答案无法从单一段落直接得出，需跨越两个或多个文档片段链式推断，标准单轮检索对这类查询成功率很低62% 相似待验证语义搜索和关键词搜索单独使用时约每4个结果漏检1个，两者结合漏检率降到约十分之一59% 相似待验证作者引入约束：每个窗口最多允许8次选择性查询，超过后该窗口只能作为历史证据保留，不能再用于筛选新候选模型59% 相似待验证多跳查询需要跨越多个信息节点、层层递进，向量检索因缺少关系维度而不擅长处理这类场景56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001189

API

curl https://kongchang.com/api/v1/knowledge/claims/1001189

MCP

get_claim(id=1001189)