待验证50% 置信基准精确时间

在最接近现实的设定中（未言明约束需主动发现），表现最好的模型配置平均FDE-Gym得分仅为0.56

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/16

首次发现

有效期至：2027/1/14

来源

FDE-Gym基准：AI交付最后一步为何卡住

涉及实体

相关事实

待验证工具描述得分与模型正确选择之间的Spearman相关系数仅为0.04，统计上几乎不存在关联。69% 相似待验证在 p 高达 500 的超出先验范围的非线性设计上，SelectPFN 的假发现比例控制在约 0.07。67% 相似待验证建议选模型时保证目标模型的量化版体积不超过显存的85%左右67% 相似待验证通用策略模型π_{0.5}在未经适配的真实部署场景中抓取成功率为0%67% 相似待验证模板匹配的置信度阈值通常取0.8～0.95来判断是否找到目标67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1041817

API

curl https://kongchang.com/api/v1/knowledge/claims/1041817

MCP

get_claim(id=1041817)