待验证50% 置信事实精确时间
开发者列出了七条项目局限，包括样本小、仅一轮压力、温度0.5、小型本地模型、辩护者被直接告知答案、评分只看最终答案、Lambda配额措辞不够精确。
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7B 以下的小模型必须依赖少样本、短提示、单任务和明确的输出格式。71% 相似待验证该基准测试存在以下局限：裁判可靠性问题、100个场景每个只运行一次的样本量限制、单一压力条件、纯文本环境、<think>块不保证能访问模型完整的内部推理、泛化能力有限。67% 相似待验证研究建立了条件得分估计误差的非渐近界，即在有限样本量下即成立的界限66% 相似待验证该研究的局限在于规模仅限于单一模型Qwen2.5-7B-Instruct和单一数据集LongBench-v2，且训练数据量较小（仅168题）65% 相似待验证将路由结果限定为销售团队/合作伙伴团队/忽略三个枚举值，可将开放式生成问题转化为封闭式分类问题，使输出可直接被 n8n 条件分支消费，并压缩模型间行为差异，但代价是灵活性下降。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1019911API
curl https://kongchang.com/api/v1/knowledge/claims/1019911MCP
get_claim(id=1019911)