待验证50% 置信事实精确时间
该实验有明确边界：单一任务（发票提取）、单一模型家族、每个尺寸点仅 4 次重复，25% 的 95% 置信区间很宽，算法填充不完全等同于手写膨胀，结论应视为有明确机制的测量起点而非普适常数。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
实测：Skill文件超过6KB，模型输出失败率翻倍
rss2026/10/18
涉及实体
相关事实
待验证聚合指标（如多任务平均分）天然具有稀释失败的能力，当较简单任务占多数时平均分可以掩盖模型在少数高难度任务上的显著退化73% 相似待验证研究表明，对于边界清晰的判别性任务，经过针对性微调的小模型在准确率上往往能追平甚至超越参数量大十倍以上的通用模型，同时推理速度和成本优势显著72% 相似待验证不同任务类型的涌现阈值存在巨大差异，某些推理能力在模型规模跨越临界点时突然涌现，而标准代码补全呈现平滑饱和曲线72% 相似待验证标称支持1M上下文并不等于在1M长度下仍能保持同等推理质量，业界常用'大海捞针'测试来检验模型在超长上下文中的信息检索与推理能力。71% 相似待验证严格的schema校验会制造人工复核工作量，但能防止清理任务在写入边界处凭空发明政策，这是吞吐量与控制力之间的权衡71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1062651API
curl https://kongchang.com/api/v1/knowledge/claims/1062651MCP
get_claim(id=1062651)