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 模型做出引擎未确认断言的次数为 18/29。
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
涉及实体
相关事实
待验证Gemma 4 26B因运行报错在产出分数前终止，原因是评分代码假设至少有一个句子以正确结构化格式返回69% 相似待验证表头识别中改为仅让 Gemma 4 E2B 填补日期、数量、商品三个必需缺口后，12 组表头全部正确、0 错误，但作者提醒同一批数据也用于调试，12/12 应视为乐观估计。68% 相似待验证Gemma直接撰写整条消息时在4次测试中丢掉了所有数字，并两次把意思彻底搞反64% 相似待验证在题目规模跨越256x的范围内，单次运行的错误判定率几乎不变：T=16时为0.531，T=4096时为0.534。64% 相似待验证重新评估后 Gemma 12B 在无思考模式下达到 12/16 的实质通过，而严格通过仍停留在 4/1664% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1053951API
curl https://kongchang.com/api/v1/knowledge/claims/1053951MCP
get_claim(id=1053951)