待验证50% 置信基准精确时间
在公开健康基准测试中，一个普通AI模型在开发者自己的复跑中得分高于Tabibu，0.522对0.426（非官方排行榜数据），开发者认为原因是Tabibu的安全层在基准测试中拉低了分数。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/16
首次发现
有效期至：2026/10/30
来源
涉及实体
相关事实
待验证在某些测试条件下，主流AI编程工具推荐不存在包名的概率可达5%~20%73% 相似待验证Level 2（角色+背景提示词）的QA测试得分低于Level 1（单行指令），平均分为22.2 vs 24.7，与实验者预期每级超越前一级的假设相反72% 相似待验证在小样本LoRA训练中，rank值设置存在偏差-方差权衡，实践中rank=4至32是常见的安全区间71% 相似待验证选择与生成的差距超过50个百分点，揭示当用户需要模型直接写出亲属称谓时可靠性远低于基准测试所呈现的水平70% 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%70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1043739API
curl https://kongchang.com/api/v1/knowledge/claims/1043739MCP
get_claim(id=1043739)