待验证50% 置信事实精确时间
在题目规模跨越256x的范围内，单次运行的错误判定率几乎不变：T=16时为0.531，T=4096时为0.534。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证Claude Opus 4.6产生的错误数量是GPT-5.4的30倍，每条轨迹平均2.5个错误 vs. 0.08个，差异统计显著（p < 0.0001，Cliff's δ = 0.613）71% 相似待验证Mistral Small 4在单位换算输入上的得分仅为0.699，并产生了265个与正确标签相差精确十的幂次的错误71% 相似待验证Perplexity Decider V1.1 27B 以80/82 的成绩在测评中夺冠，中位延迟0.445秒，26对反转测试零翻转71% 相似待验证在包含2843条多语言客服工单的内部基准上，THX-01准确率98.4%、校准误差ECE 0.003、实测延迟约10ms，优于TypeSafe Jev 1.13（准确率97.4%、ECE 0.007、延迟331ms）70% 相似待验证C 运行时的困惑度为 26.8407，PyTorch 参考实现为 26.8188，差异 0.082%，满足 ≤1% 的门槛。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1014439API
curl https://kongchang.com/api/v1/knowledge/claims/1014439MCP
get_claim(id=1014439)