待验证50% 置信事实精确时间

井字棋实验中存在空间索引偏差混淆因素：棋面生成器用min()打破minimax平局把12个最差推荐里的8个集中到cell 0，且弱模型倾向选第一个可用索引

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

大模型会被坏建议骗吗？840轮博弈测试揭示真相

涉及实体

相关事实

待验证对小样本切片设置绝对失败数上限比设置百分比门槛更稳健，且对样本量不敏感69% 相似待验证生成器LLM、探针模型、提示词详细度三者合计贡献不足10%的方差69% 相似已验证在MMLU、HumanEval、GSM8K等主流评测中，头部大模型的得分差距往往只有几个百分点67% 相似待验证当综合评估指数中顶尖模型得分接近天花板时会出现基准饱和问题，60分对59分的差距在统计学上通常处于误差范围之内66% 相似待验证量化位数越低模型在细节推理上表现越可能下滑，但在 4-bit 以上量化级别中多数任务的体验差距对普通用户并不明显65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003558

API

curl https://kongchang.com/api/v1/knowledge/claims/1003558

MCP

get_claim(id=1003558)