待验证50% 置信事实精确时间
在针对 1,061 行 pipeline 文件的 12 个问题测试（其中 3 个询问不存在的功能）中，三个模型均回答 12/12 满分，没有编造功能。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/18
首次发现
有效期至：2026/11/1
来源
涉及实体
相关事实
待验证研究团队在15个长文本任务上对现成模型进行了零样本评估，测试对象包括Gemma-4-31B和Qwen-3.6-27B69% 相似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。69% 相似待验证在4个任务×4个模型共16个配置中，没有任何一个通过合格线68% 相似待验证在 48 条合成的编程请求测试中，默认四档问题下 Laya 只有 21 条与团队标注一致，最高置信度仅 0.26。68% 相似待验证在30道可回答问题的评估中，350MB以下的现成小模型最多只有3次做到忠实（所有断言均可在段落中找到）。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1059537API
curl https://kongchang.com/api/v1/knowledge/claims/1059537MCP
get_claim(id=1059537)