待验证50% 置信基准精确时间
在集群面板上用代码替代模型的结构化决策（基于相同提取事实）平均提升20.5个百分点家族准确率，Llama 3.1 8B从模型自判1%提升至代码判决56%
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
涉及实体
相关事实
待验证仅使用文本的基线模型决策准确率为33.33%，引入双证据token后准确率提升至93.33%70% 相似待验证公平性指令效果有限：在集群六模型面板上仅使家族准确率变化−0.3个百分点，在Kaggle上为+2.5个百分点，区间均跨越零点69% 相似待验证选择与生成的差距超过50个百分点，揭示当用户需要模型直接写出亲属称谓时可靠性远低于基准测试所呈现的水平68% 相似待验证在多轮叙述作用下，模型的最终判断相比匹配的单轮基线平均偏移了25个百分点66% 相似待验证在代码修复任务中，使用静态验证器成功率为 26.3%，引入预测性选择后升至 29.2%，经世界模型自适应后达到 31.2%65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003877API
curl https://kongchang.com/api/v1/knowledge/claims/1003877MCP
get_claim(id=1003877)