待验证50% 置信基准精确时间
用真实Gemma跑完整流水线处理32份简报：25个预算中读对22个，27个期限中读对25个，零错误、零编造。
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
待验证四个模型都读对了全部48张干净账单和48张安慰剂账单，4704次打分响应零错误，521个编造数字中0个恰好等于被遮的真实总额75% 相似待验证使用相同的 20 个文件重新测试，18 个直接编译通过；再经过一轮让会话接收编译器错误消息的迭代后，达到 19 个。68% 相似待验证一位开发者审查了自己积累一年的27条提示词，其中22条未能通过可复现性测试（即他人使用提示词无法得到与作者相同的输出）66% 相似待验证该基准测试使用10篇200到250词的原创短文档，埋入18处异常，共37个评分条目（18脏19净），测试13个模型，每个模型74条prompt64% 相似待验证手工编写的 22 计算器库在其支持的 440 个病例上完全精确，但对其余病例选择弃权，整体覆盖率仅 40.0%64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1063604API
curl https://kongchang.com/api/v1/knowledge/claims/1063604MCP
get_claim(id=1063604)