待验证50% 置信事实精确时间

OmniCapBench 能够诊断四类典型失败模式：时序定位失败、身份漂移、跨模态错位和幻觉描述。

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

OmniCapBench：音频-视觉字幕评估的深度结构化框架

涉及实体

OmniCapBenchproduct 时序定位失败concept 身份漂移concept 跨模态错位concept 幻觉描述concept

相关事实

待验证生成阶段的典型失败包括忽略上下文产生幻觉、上下文淹没导致中间遗忘、多跳推理能力不足以及指令遵循偏差72% 相似待验证级联失败是指单次工具调用错误会污染后续上下文，导致模型在错误的中间状态上继续推理，最终使整个任务偏轨70% 相似待验证研究将失败归为两类：真正的能力缺陷，以及可通过调整解码阈值缓解的问题，并细分出4种失败机制69% 相似待验证测试覆盖了三种典型hook失败场景：hook脚本崩溃、执行超时、脚本路径不存在。69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1012773

API

curl https://kongchang.com/api/v1/knowledge/claims/1012773

MCP

get_claim(id=1012773)