待验证50% 置信事实精确时间
在基准测试中，模型能生成语义正确的修复，但 unified diff 头部的行数计数错误，导致补丁工具拒绝应用。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
本地LLM修复Java项目：三个关键教训
rss2026/10/15
涉及实体
相关事实
待验证工具错误消息应作为普通工具结果返回给模型，包含平实语言的问题说明和该怎么做，'Do not retry'能阻止模型反复重试无望的调用。69% 相似待验证工具调用裁判模型存在系统性缺陷：当输入中找不到某个值的出处时，即使这个值完全正确，裁判也更倾向于拒绝它，这一现象被命名为'推导鸿沟'。68% 相似待验证模型对显式语法错误几乎都能轻松修复，但在数据泄漏这类隐形逻辑错误上频频失手68% 相似待验证弱模型在注入诱饵下会将被注入的错误数字当作自己的计算结果，并凭空编造验证过程，解释文本看起来与真实验证一致，使审计无法发现错误68% 相似待验证评测器接口的缺陷会伪装成推理失败，解读基准测试结果时不区分评测管道与模型能力可能得出误导性结论67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1036226API
curl https://kongchang.com/api/v1/knowledge/claims/1036226MCP
get_claim(id=1036226)