待验证50% 置信基准精确时间

关闭思考模式的Qwen3-32B在开场技术写作岗位家族中批准了全部八份申请（包括四份不满足经验要求的），八项全部正确的家族占比仅39%，不合格申请人被错误批准率41%

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

LLM招聘筛选大测评：谁在左右你的简历命运？

涉及实体

相关事实

待验证代码重放会继承提取环节的错误，在集群充分性测试中gpt-oss-120b的通过率反而从56%跌到40%60% 相似待验证测试从15606条原始打分记录经过清洗后留下351个合格案例，其中占位分数占全部打分行的31%被剔除60% 相似待验证在完全未被触碰的152题测试子集上，锚定混合检索为42.11%，规划引导方法仅36.84%58% 相似待验证十二个模型中有十一个的认输案例里有87.5%到100%停在了用户提供的确切错误数字上，即认输通常意味着倒戈57% 相似待验证在 TriviaQA 上，被打分答案的错误率（精确匹配评分标准下）从 23.0% 下降到 14.5%57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003875

API

curl https://kongchang.com/api/v1/knowledge/claims/1003875

MCP

get_claim(id=1003875)