待验证50% 置信事实精确时间
在任务 B 上，9B 有 43% 的答案返回了 'intervention needed: true' 同时搭配 'continue as normal'，违反了应用层规则。
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
实测三元Bonsai 2 9B：速度提升3倍，但生产环境不敢换
rss2026/10/16
涉及实体
相关事实
待验证任务 A 中，按生产量重新加权后，9B 的 allow 比例从 27B 的 86.4% 降到 49.5%，clarify 从 13.4% 升到 50.1%，加权一致率为 61.2%。62% 相似待验证任务 B 中，重新加权后约 17% 的检查会因验证失败转到托管兜底，反而增加了原本想降低的负载。59% 相似待验证任务 C 中，9B 在 27B 标记为 flagged 或 urgent 的 103 个案例中有 91 个保持一致，一致率为 88.3%；但只有五个 none 案例，无法可靠估计假阳性率。59% 相似待验证斯坦福大学的AgentBench基准测试（2023年）量化证明，在复杂多步骤任务中纯ReAct范式的成功率往往不超过30%58% 相似待验证真实世界实验结果显示，仅使用仿真预训练，目标任务的执行成功率从 9.6% 提升到 31.7%。57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1043478API
curl https://kongchang.com/api/v1/knowledge/claims/1043478MCP
get_claim(id=1043478)