待验证50% 置信基准精确时间
论文最佳系统（微调Mistral-7B）在Spider-ACL上的拒绝F1为0.933，未报告回答禁止问题的比例和读取未授权数据的情况。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证在试点从未触碰的600条记录上，schemagate的拒绝F1为0.986。62% 相似待验证Tabibu开发者披露当前版本局限：约八分之一的放射科报告在测试中触发安全回退，系统只给出‘这是我读到的文本，以及你可以问医生的问题’而非完整解释，开发者明确表示这不计为成功案例。57% 相似待验证目前没有独立论文验证OpenAI关于GPT-6.1 Sol的相对性能声明，安全对齐系统卡附录被排除在主证据包之外57% 相似待验证大多数评估指标如准确率、F1无法区分系统检查后认定无相关证据和系统根本没有检查这两种情况56% 相似待验证假红问题的根因是checker缺少命令行工具授权，补上bash、read、grep、glob四件工具白名单后争议判定归零55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1053853API
curl https://kongchang.com/api/v1/knowledge/claims/1053853MCP
get_claim(id=1053853)