待验证50% 置信基准精确时间
在 τ-bench 零售探测中，动作模型在 11,763 条留出转换上以精确率和召回率 1.000 预测了环境的拒绝，仅 0.26% 的情况弃权。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/12
首次发现
有效期至：2026/10/26
来源
涉及实体
相关事实
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71% 相似待验证随着模型从8B扩展到70B，固定输出向量的相似度对行为的预测能力反而变差，配对均值相关性变化为-0.080（95%置信区间[-0.127, -0.035]）70% 相似待验证在硖合反应中，即便起始手性偏差不足0.00005%，经过多轮循环后产物的对映体过量值（ee值）可超过99.5%68% 相似待验证测量的12个托管模型中，有7个在每一种形态上都保持0.00或0.10的虚假自信率68% 相似待验证Anthropic的研究显示过度对齐可能导致模型在无害问题上的拒答率从不到1%上升至超过10%68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1006097API
curl https://kongchang.com/api/v1/knowledge/claims/1006097MCP
get_claim(id=1006097)