待验证50% 置信基准精确时间

在TRACES测试中，每一个模型在'智能体式'探针中的失败率都超过71%；30个模型中有22个失败率超过90%。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/18

首次发现

有效期至：2027/1/16

来源

30个AI模型面对42篇问题论文：93%不质疑直接续写

涉及实体

TRACES基准product

相关事实

待验证在带命题约束的任务中，模型整合已验证为无效候选的比例高达93%–100%75% 相似待验证在100张工单测试集中，SupportOps-AI的升级错误率为18%，幻觉率为6%，死循环率为3%，完全失败/未解决率为4%。75% 相似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74% 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71% 相似待验证测试中出现模型自称某步有95%把握但按评分标准得0分的案例71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1057387

API

curl https://kongchang.com/api/v1/knowledge/claims/1057387

MCP

get_claim(id=1057387)