待验证50% 置信基准精确时间
测试bge模型文档中提到的查询前缀“Represent this sentence for searching relevant passages:”，结果最高分提升0.014，但与第二名的差距反而缩小。
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
待验证该测试的局限性包括：任务规模有限（50个任务、每个提示词3次试验）、风格版本由单一作者撰写、华丽版本与正常版本存在长度混淆、仅测试英语和14B以下本地模型、困惑度检查仅覆盖三个较小Qwen模型且使用全精度权重而实际推理用4位量化。61% 相似待验证本次评测使用全国一卷高考数学题对比Muse Glimmer和通义千问3.6 27B59% 相似待验证Laya 决策模型对短请求的响应最高快 4.1 倍，在 B200 上一次 3 问护栏检查从 11.6 ms 降到 2.8 ms59% 相似待验证提示词的最后一行格式指令是决定小模型输出质量的关键变量：在数学任务中，统一最后一行格式后，问题文本风格差异最多造成5分波动，而改变格式行可带来45分差距。59% 相似待验证Caveman给出的固定54次运行基准测试结果显示输入Token减少33.2%，且18/18项正确性检查全部通过57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1054552API
curl https://kongchang.com/api/v1/knowledge/claims/1054552MCP
get_claim(id=1054552)