待验证50% 置信事实精确时间
tw-formosa-bench 的题目集针对一个冻结的七模型池进行筛选，使其得分被控制在及格边缘（46.9%–74.6%，中位数约 54%）。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/15
首次发现
有效期至：2027/1/13
来源
涉及实体
相关事实
待验证在具体实验案例中，重叠锚点方案（n=912）显示模型55.2%对多数类51.1%，净优势+4.1pp，约2.4个标准误；非重叠锚点方案（n=163）显示59.5%对54.0%，净优势+5.5pp，约1.4个标准误。68% 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65% 相似待验证参与 PhysMent 测试的七个模型准确率跨度从 25% 到 67%64% 相似待验证在ScopeBench评测中，8个模型的原始能力跨度从12.2%到81.1%，范围遵守能力跨度从34.4%到86.7%64% 相似待验证Long-Term团队实验表明，用同一个模型仅调整规则约束和记忆系统，成绩从52.8%涨到66.5%，排名从Top 30跳到Top 564% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1038584API
curl https://kongchang.com/api/v1/knowledge/claims/1038584MCP
get_claim(id=1038584)