待验证50% 置信基准精确时间
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。
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
待验证在一次任务续接实验中，尽管上下文被削减，人工评估的输出质量反而更低69% 相似待验证在实验中当提示超过50条后，人类的拦截率从17%骤降到5%，体现审批疲劳现象68% 相似待验证在真实环境A/B测试中，经过后续训练的检查点相比早期版本，工具调用失败率相对降低了21.2%68% 相似待验证在 Terminal-Bench Core 0.1.1 试点中，跨 12 个精选任务，基线组与可靠性层组在严格试验下各通过 17/36，可靠性层多消耗了 37.49% 的输入 token 和 50.73% 的输出 token67% 相似待验证设定5%目标时，在留出集上的漏检率最高可达17%，说明阈值在训练数据上的表现无法直接外推66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1043482API
curl https://kongchang.com/api/v1/knowledge/claims/1043482MCP
get_claim(id=1043482)