待验证50% 置信基准精确时间

两个LLM评审在对比完整答案时发现：没有任何一个基线方案能胜过原始基座模型，而ASC的回答被评价为与基座模型'相当'（on par）。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/14

首次发现

有效期至：2027/1/12

来源

复制不等于落地：ASC 破解长文 RAG 的忠实度奖励漏洞

涉及实体

ASCconcept LLM评审concept

相关事实

待验证作者表示不会给出未经验证的排名，不声称某模型全面胜过其他模型，因为72个固定用例上的满分不能证明模型在未见样本上同样完美67% 相似待验证模型的基准分数更高并不等于在所有场景下都更好用64% 相似待验证传统基准测试在评估模型推理能力上已失效，因为几乎每个模型都可能在训练数据中见过标准答案64% 相似待验证McNemar检验的零假设是b和c在总体中相等，即两个模型犯错方向对称，无系统性优劣64% 相似待验证模型在欠定问题（没有唯一正确答案的问题）上表现出最高置信度（95%），呈现反向校准现象。63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1023699

API

curl https://kongchang.com/api/v1/knowledge/claims/1023699

MCP

get_claim(id=1023699)