待验证50% 置信权衡取舍精确时间
由于实验采用temperature=0和固定种子的单次确定性运行，任一字段翻转会在12任务×3字段=36单位的评分中移动约2.8个百分点，因此91.7%与83.3%的差距不能直接推广为统计意义上的普遍优势。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证即便在temperature 0的条件下，五次执行中仍有0.07%到10.2%的行会改变其算子输出，具体比例取决于模型77% 相似待验证对于两步和三步操作的组合任务，遮蔽条件下准确率的配对差异中位数分别达到0.846和0.85972% 相似待验证对于 7B 模型，使用求解器准确率为 75.31%，直接计算为 72.02%，配对提升 +3.29 个百分点，95% 聚类区间为 [-3.49, 10.38] 跨越零点，优势不显著72% 相似待验证在具体实验案例中，重叠锚点方案（n=912）显示模型55.2%对多数类51.1%，净优势+4.1pp，约2.4个标准误；非重叠锚点方案（n=163）显示59.5%对54.0%，净优势+5.5pp，约1.4个标准误。71% 相似待验证在某个任务上temperature 0下改变算子输出的行比例高达24.0%70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1025952API
curl https://kongchang.com/api/v1/knowledge/claims/1025952MCP
get_claim(id=1025952)