待验证50% 置信事件精确时间
7月13日Zoroval的裁判模型漏掉了所有已被人工确认的失败，运行1138次裁判调用，对黄金数据集中四个人工确认的失败全部回答否且未报任何错误
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c01和i01两个样本的失败是执行失败而非模型判断错误，模型根本没有返回任何响应，谈不上判断对错67% 相似待验证mloda 0.11 将解析失败从单行结论改为完整淘汰链，列出解析器考虑过的每个候选插件及其在哪一道关卡被淘汰65% 相似待验证测评中所有重试仍失败的题目被判为错误而非丢弃，作者推测 Grok 4.5 得分 0.00 很可能正是基础设施故障导致，但未最终确认62% 相似待验证mloda 0.11 之前，错误的特征请求只返回一行报错，不告知失败的具体原因61% 相似待验证故障转移架构中应区分值得重试的错误（429、5xx、超时）和不该重试的错误（400参数错误、401鉴权失败）60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1005302API
curl https://kongchang.com/api/v1/knowledge/claims/1005302MCP
get_claim(id=1005302)