待验证50% 置信基准精确时间
第一轮实验中，有已验证能力的功能平均分 1.43，无已验证能力的功能平均分 1.14，差距微乎其微；修掉语言问题后同样的对比变为 2.00 对 1.07。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/15
首次发现
有效期至：2026/10/29
来源
涉及实体
相关事实
待验证消融分析显示片段范式微调在测试集带来+5.29分提升，而用2000检索词替换前4500转录词仅带来+1.55分提升74% 相似待验证一个测试项的英语得分对其翻译后得分的预测能力很弱，相关系数只有0.23，在忠实翻译上也只有0.27；相比之下，同一测试项改写前后的英语得分相关系数达到0.48。72% 相似待验证在一项覆盖8个本地模型、超过5000次调用的测试中，提示词的措辞风格（朴素/正常/华丽）对非数学任务的正确率几乎没有影响，8B及以上模型的差异不超过4个百分点。72% 相似待验证该用户指出这些模型在基准测试中拿到很高分数，却在最简单的任务上频频失败71% 相似待验证Schmidt & Hunter (1998)的元分析研究发现一般认知能力测试的预测效度为r=0.51，工作样本测试达到r=0.5471% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1040535API
curl https://kongchang.com/api/v1/knowledge/claims/1040535MCP
get_claim(id=1040535)