待验证50% 置信事实精确时间

当模型需要在没有明确指引的情况下自行发现未言明的约束时，性能急剧下降

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

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

已验证专用小模型的局限在于任务边界模糊、需要跨领域推理或处理未见边缘情况时泛化能力会迅速下降78% 相似已验证漂移检测存在权衡：阈值设置过于敏感会导致频繁误报和不必要的重训，设置过于宽松则可能让模型性能在无感知中持续退化78% 相似已验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力77% 相似待验证微调值得评估的场景是模型已获得充分信息却反复无法按要求完成任务，信号包括输出schema不一致、分类结果不稳定、领域术语被误解等77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1041820

API

curl https://kongchang.com/api/v1/knowledge/claims/1041820

MCP

get_claim(id=1041820)