待验证50% 置信事实精确时间

ICLR 2026 的研究记录显示，在真实事实核查任务中，头部模型之间的分歧率高达 63%。

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 Agent只在生产环境失败的调试方法

涉及实体

ICLR 2026concept 模型分歧率concept

相关事实

待验证对64个样本观测到61%通过率时，其95%Wilson置信区间大约为48%到73%69% 相似待验证2023年的TruthfulQA基准测试显示，即便是当时最强的模型，在需要精确事实判断的问题上准确率也未超过60%69% 相似待验证一个61分的模型和一个59分的模型在多数实际应用中的差异可能远小于分数暗示的程度68% 相似待验证在内部基准CoBench上，Opus 5.5约有56%的时间能成功诊断真实研发问题，而完全替代Anthropic研究人员需要至少85%68% 相似待验证麦肯锡的调研显示超过60%的业务决策者承认自己无法准确理解数据科学团队交付的模型结果66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1027937

API

curl https://kongchang.com/api/v1/knowledge/claims/1027937

MCP

get_claim(id=1027937)