待验证50% 置信事实精确时间
作者经验：推理模型通常只在12%的任务上胜出，在其余88%的经济账上落败。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证在数学任务中，模型写出推理步骤时正确率为79%，只给出裸数字时正确率仅11%。76% 相似待验证十二个模型中有十一个的认输案例里有87.5%到100%停在了用户提供的确切错误数字上，即认输通常意味着倒戈73% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性72% 相似待验证Anthropic的研究表明，即便温和的对齐训练也会导致模型在某些推理密集型任务上下降2-8个百分点72% 相似待验证传统的成功率指标难以全面反映策略的鲁棒性，一个策略可能在90%的常规任务中表现出色却在剩余10%的关键场景中出现灾难性失败72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1038492API
curl https://kongchang.com/api/v1/knowledge/claims/1038492MCP
get_claim(id=1038492)