待验证50% 置信基准精确时间

两个模型在业务进展指标上都达到满分34/34，且没有任何重复写入尝试和重复效果

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

AI Agent操作恢复基准测试：当任务完成却得零分

涉及实体

deepseek-v4.1-flashmodel deepseek-v4-promodel

相关事实

待验证该方法在两个模型上各 40/40 次真实回应全部保留，没有误杀64% 相似待验证在多轮叙述作用下，模型的最终判断相比匹配的单轮基线平均偏移了25个百分点62% 相似待验证同一模型在同一基准上，few-shot prompting与zero-shot两种模式下表现可能相差5-15个百分点59% 相似待验证据多项行业调研显示，企业AI项目从概念验证到实际生产部署的成功率不足30%59% 相似待验证经过匹配监督训练后模型表现提升到99.8%，而删除关系链接后正确率骤降到23.4%，甚至低于最佳捷径的27.0%59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002793

API

curl https://kongchang.com/api/v1/knowledge/claims/1002793

MCP

get_claim(id=1002793)