待验证50% 置信事实精确时间
schemagate 作者指出其局限：仅测试了一个模型，提示词措辞是在 100 道 BIRD 问题上选定的；去掉这两个因素后分数基本不变（90.08）。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/17
首次发现
有效期至：2027/1/15
来源
涉及实体
相关事实
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66% 相似待验证三个独立Subagent对复盘日记做对抗式重验，核对120个可验证声称（含26个Commit Hash和40多处引用行号），结果零处编造、九处修正（均为行号飘移和口径换算问题）65% 相似待验证本次测试存在局限性：仅14个组、一个20亿参数的模型、一次运行；三个有效改写因改变法律含义在运行前被修正，修正与测试集在同一提交中；尚未在更大模型上运行该测试集。65% 相似待验证在记忆召回测试中，12B模型100题答对82题，31B模型100题答对98题，且两个模型都没有编造答案65% 相似待验证在少样本（如每类约20个样本）情况下，应放弃多分类细分，将所有缺陷折叠成二分类问题（有缺陷/无缺陷），把具体分类交给人工事后处理64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1051149API
curl https://kongchang.com/api/v1/knowledge/claims/1051149MCP
get_claim(id=1051149)