待验证50% 置信事实精确时间

在第三轮路由测试中，使用弱模型 DeepSeek V4.1-Flash，480 次路由判断，管道组所有失误均表现为模型拒绝触发而非选错技能；移除 description 中的边界否定从句后，此类失误从 10 次降至 0。

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

开源一个被自己杀死规则判死的AI Agent技能工具

涉及实体

DeepSeek V4.1-Flashmodel Skill Forgeproduct

相关事实

待验证在第四轮实验中，陷阱问题导致差距从第三轮的 6.6 个百分点缩小到 2.7 个百分点，失败模式变为模型选错近邻技能而非拒绝触发。72% 相似待验证该研究采用三重评判机制：fail_fast（快速失败）、endstate（终态检查）和diligence（尽职检查），每个多轮测试被拆成三个互不混合的维度68% 相似待验证基准测试中应将执行失败与模型决策分开计数，避免将一次配额超限误读为模型的能力缺陷68% 相似待验证解析—抽取两阶段管线中错误会累积，解析阶段的表格重建错误会传导到抽取结果，使端到端准确率低于各单模块独立表现68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1027065

API

curl https://kongchang.com/api/v1/knowledge/claims/1027065

MCP

get_claim(id=1027065)