待验证50% 置信基准精确时间

当前数据集包含 29 个模型/配置条目下的 770 次记录尝试，但统一测试套件中只有 16 个不同任务

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

本地离线AI实测：16任务揭示小模型选型陷阱

涉及实体

Lastbrowsercompany

相关事实

待验证测试套件共10个，大多数各跑1000题，HumanEval为164题，TruthfulQA为817题71% 相似待验证在使用Traework完整模拟产品开发流程的测试中，工具在调研阶段检索了100多个来源，但经人工核验后真正可用的只有约40个，另外60个需要剔除或再查70% 相似待验证该测试样本规模相对有限（5个模型、13个代码库），结论有待更大规模验证69% 相似待验证数据集中每个工具约有130种表达变体，并加入40个不使用工具的负样本68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003722

API

curl https://kongchang.com/api/v1/knowledge/claims/1003722

MCP

get_claim(id=1003722)