待验证50% 置信注意事项精确时间

基准结果可能受提示词措辞、模型版本、推理设置和标签解析规则的影响，聚合分数可能掩盖不同类别间的差异

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

AI能否识别"证据不足"？一个证据充分性基准测试实验

涉及实体

Evidence Sufficiency Evaluationconcept

相关事实

待验证分词特征差异发生在推理链路底层，难以通过提示工程掩盖，可作为模型识别手段79% 相似待验证该方法对声明的备选类别的受控修改有响应，即调整目标模型中的类别定义时分类结果会相应变化75% 相似待验证通过构造语义等价但表述不同的提示词变体并观察输出分布，可以区分敏感性来自模型还是评估器75% 相似待验证多项实验表明，模型的表面推理与其实际决策机制之间存在显著偏差，通过激活修补可发现真正影响输出的内部路径与书面推理不吻合74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003403

API

curl https://kongchang.com/api/v1/knowledge/claims/1003403

MCP

get_claim(id=1003403)