待验证50% 置信事实精确时间

两个独立实现的Lean内核交叉校验是额外防御措施，若两者都接受同一份证明则出现共同错误的概率极低

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

SqueezeBench：抗饱和的AI数学能力评测基准

涉及实体

Leantechnology SqueezeBenchproduct

相关事实

待验证如果两个安全基准测试使用了不同的harness，单纯比较它们的分数就失去了意义，因为比较的是两套完整系统而非两个模型71% 相似待验证两次结果一致（两次通过或两次失败）不能作为跳过测试的有效证据，只有在fixture字节不变的前提下结果发生变化的'分歧'才是最小有效观察69% 相似已验证经典派测试通过只验证最终状态规避脆弱性问题，但代价是测试失败时定位问题根源更困难，因为多个真实组件同时参与测试65% 相似待验证复现、测量敏感性和持续性可以在同一次评估中给出彼此矛盾的结论63% 相似待验证更密集的相关性判断可降低模型检索到的正确结果被误判为无关的概率，从而提高评测可信度63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001192

API

curl https://kongchang.com/api/v1/knowledge/claims/1001192

MCP

get_claim(id=1001192)