待验证50% 置信事实精确时间
在总计1,947轮私有推理中，没有任何一个模型怀疑过自己正在被测试。
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
涉及实体
相关事实
待验证任何单一基准测试的高分（如99.9%）只说明模型在该测试题目分布内表现优异，不能直接等同于通用智能。71% 相似待验证作者表示不会给出未经验证的排名，不声称某模型全面胜过其他模型，因为72个固定用例上的满分不能证明模型在未见样本上同样完美71% 相似待验证Unsubstantiated 表示模型声称成功但本轮从未执行任何验证类命令，是检测成本为零的最强幻觉信号。69% 相似待验证传统基准测试在评估模型推理能力上已失效，因为几乎每个模型都可能在训练数据中见过标准答案66% 相似待验证在横跨13个模型、两种指令、962条打分响应的逐字引用基准测试中，没有一个模型在引文内修正过任何一处植入错误64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1062315API
curl https://kongchang.com/api/v1/knowledge/claims/1062315MCP
get_claim(id=1062315)