待验证50% 置信事实精确时间
该基准由60个最小对用例（横跨六个类别的30组最小对）和12个对抗性控制用例组成
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证在少样本（如每类约20个样本）情况下，应放弃多分类细分，将所有缺陷折叠成二分类问题（有缺陷/无缺陷），把具体分类交给人工事后处理68% 相似待验证在27个评估设置中，蒸馏在其中21个设置里缩小了群体差距68% 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63% 相似待验证研究评测覆盖了11个Agent决策点，数据来自18个公开来源，共构建了7,283个基础案例，外加6,640个鲁棒性变体62% 相似待验证500个分歧局面中有19个存在立即可执行的合法斩杀，Jev选中斩杀16次，神经网络选中0次，另有3次两者都没选62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003395API
curl https://kongchang.com/api/v1/knowledge/claims/1003395MCP
get_claim(id=1003395)