待验证50% 置信基准精确时间
每个模型在全部24个案例上运行两次，即每个模型48个episode，总计96个episode，每次使用全新对话和模拟器状态并禁用缓存
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
涉及实体
相关事实
待验证在记忆召回测试中，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60% 相似待验证四个模型都读对了全部48张干净账单和48张安慰剂账单，4704次打分响应零错误，521个编造数字中0个恰好等于被遮的真实总额60% 相似待验证每个模型搭配零样本、少样本、思维链、少样本+思维链四种提示词，每种分两组，总共产生约52,000个标签59% 相似待验证单次运行的线索数量可配置，演示中设为5条，实际可提高到25、30甚至100条每次运行58% 相似待验证测试中每个陈述在全新对话中孤立提问，同时每个家族也在一个提示里联合提问，每个模型约160次调用，温度设为056% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002789API
curl https://kongchang.com/api/v1/knowledge/claims/1002789MCP
get_claim(id=1002789)