待验证50% 置信事实精确时间
有一条将“不确定”降级为“不含”的四行规则，导致 11 个自信错误中有 5 个原本被微调模型正确判为“不确定”的结果被覆盖成确定的“不”；作者未修改该规则。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证微调版模型学会了拒答（说“不确定”），而基座模型在 85 次机会里一次都没说过“不确定”。74% 相似待验证DoubtLess 在七个基准上优于五种推理时基线方法。73% 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%。72% 相似待验证作者测试的五款评测器中，如果答案键有细微错误，得分只有0.21——低于完全不给键（0.46），也低于给一个毫不相关的键（0.50）；而经人工核验的模型生成答案能拿到0.61，接近人工撰写的0.69。71% 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71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1060648API
curl https://kongchang.com/api/v1/knowledge/claims/1060648MCP
get_claim(id=1060648)