待验证50% 置信事实精确时间
原始素材未提供这些分数的横向对比对象，因此无法判断 1673 分在同类模型中的位置。
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
Ling-3.1-flash开源：GDPval-AA 1673分，办公Agent新选择
redditr/aiagents2026/10/18
涉及实体
相关事实
待验证三个被测模型中只有 Qwen2.5-3B 能在证据不支持答案时可靠地拒绝回答53% 相似待验证作者只测试了 qwen2.5:7b 一个模型，明确表示无法对其他模型的表现下结论。52% 相似待验证论文中的degree-3和degree-4多项式系数通过最小化BF16/FP16目标格式下的最大误差（minimax approximation）求得52% 相似待验证没有任何一对设计在正确率上达到统计显著阈值（最小p值为0.0525，Bonferroni校正后阈值为0.0083）。52% 相似待验证在4B及以下的模型上，正常风格的提示词得分最高，朴素和华丽两种风格都掉了约8分，但所有置信区间跨越零，差异无法被严格证明为显著。50% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1061101API
curl https://kongchang.com/api/v1/knowledge/claims/1061101MCP
get_claim(id=1061101)