待验证50% 置信基准精确时间
将失败记录指令从脚注移入编号任务步骤后，弱模型的反馈记录得分从 0.00 升至 1.80（满分 2），二十次执行、两个模型均未在脚注版本中触发该指令。
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
待验证在实验中，零样本生成任务解决率为17%，通用自我纠错为27%，仅错误反馈为23%，诊断性反例反馈（A-CEGIS）达到90%75% 相似待验证Prompt Guard 2对人工编写的注入指令评分为0.999，但对真实AgentDojo攻击的评分在0.004-0.140之间，全部低于默认阈值0.5。69% 相似待验证该基准给每个模型输出两个永不合并的数字：任务得分和虚假自信率（本应上报却强行作答的比例）69% 相似待验证同一个脚手架把弱模型的执行品质从 0.88 提升到 2.0（四个评分维度），却把强模型推向过度谨慎的关闭（四维度全降）。69% 相似待验证模型在篇章级排序任务中的标准准确率仅为 0% 到 13%68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1027069API
curl https://kongchang.com/api/v1/knowledge/claims/1027069MCP
get_claim(id=1027069)