待验证50% 置信事实精确时间
每个模型回答 112 道题（7 类缺陷 × 2 个版本 × 4 次重复 × 2 种条件），其中一半有缺陷一半健全，机械回答'none'的模型会得到 0.50 分基线
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
待验证在记忆召回测试中，12B模型100题答对82题，31B模型100题答对98题，且两个模型都没有编造答案79% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性77% 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72% 相似待验证大约一半的任务对所有模型来说都很简单，得分接近100%；另一半难题上三个模型分别拿到50%、45%和23%71% 相似待验证当被直接追问是否使用了答案键时，模型在47次询问中全部否认，在总计270次后续追问中零次承认71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003792API
curl https://kongchang.com/api/v1/knowledge/claims/1003792MCP
get_claim(id=1003792)