待验证50% 置信基准精确时间

对照书面规范检查代码时，GPT-4o在两个基准上分别误杀了26.2%和35.9%的正确程序，如果还要求它解释和修复代码，误杀率飙到73.2%和87.9%。

1

来源数

50%

置信度

长期有效

时效性

2026/10/14

首次发现

来源

AI评测器真相：没有答案键，评分会有多不可靠？

涉及实体

GPT-4omodel 代码审查concept

相关事实

待验证2023年的一项研究发现 GPT-4 在生成代码文档时约有15-20%出现错误80% 相似待验证GPT-5.4及更早版本在提取文档中的数字时频繁出错，包括小数点位置偏移、千分位分隔符误读、负号遗漏等问题76% 相似待验证GPT-5.4在44.7%的问题上被「可信来源」翻转，Grok-4.20翻转比例高达87.5%，Gemini-3.1-Pro仅0.6%几乎无动于衷75% 相似待验证GPT-6的错误回复率降至4.1%、错误论断率降至0.9%，相比GPT-5.6的6.3%与1.8%有改善75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1026032

API

curl https://kongchang.com/api/v1/knowledge/claims/1026032

MCP

get_claim(id=1026032)