待验证50% 置信基准精确时间
在100个问题上单独测试“视图不完整”提示，无提示时误答率为16%，有提示时降至5%。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/17
首次发现
有效期至：2026/10/31
来源
涉及实体
相关事实
待验证在实验中，零样本生成任务解决率为17%，通用自我纠错为27%，仅错误反馈为23%，诊断性反例反馈（A-CEGIS）达到90%79% 相似待验证作者测试的五款评测器中，如果答案键有细微错误，得分只有0.21——低于完全不给键（0.46），也低于给一个毫不相关的键（0.50）；而经人工核验的模型生成答案能拿到0.61，接近人工撰写的0.69。77% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性76% 相似待验证该对比实验样本量有限：每个问题被问了两次，实际覆盖的问题数约只有 14 个，单次对错对结论扰动很大。76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1050462API
curl https://kongchang.com/api/v1/knowledge/claims/1050462MCP
get_claim(id=1050462)