待验证50% 置信基准精确时间

在 29 个真实失误的对比测试中，裸 Gemma 模型提到棋盘上不合法着法的次数为 7/29。

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

Stockfish找漏着, Gemma 4讲给孩子听: 代码校验每个字

涉及实体

相关事实

待验证在 29 个真实失误的对比测试中，裸 Gemma 模型说中 Stockfish 首选替代着法的次数为 0/29。75% 相似待验证十二个模型中有十一个的认输案例里有87.5%到100%停在了用户提供的确切错误数字上，即认输通常意味着倒戈61% 相似待验证仅阅读通话记录的模型在31个矛盾案例中通过了其中29个61% 相似待验证在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%。61% 相似待验证在验证测试中，模型对禁止能力请求的 27 次全部拒绝，对无依据操作请求的 23 次全部回绝。60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1053950

API

curl https://kongchang.com/api/v1/knowledge/claims/1053950

MCP

get_claim(id=1053950)