待验证50% 置信观点精确时间
文中六组故障注入实验的结论具有普适性：六个断裂点没有一个是模型能力问题，全是接线问题（逐事件隔离缺失、输出契约未兑现、证据厚度不足、异常传播、路径依赖、无状态与佐证盲区）。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证过度外推（自信回答没有答案的问题）是唯一穿过全部五个阶段的失败模式，因为流水线中没有环节检查问题是否欠定。72% 相似待验证当场景为具名测试失败且存在堆栈时，仅使用缩减器通常足以定位问题，很少需要引入模型70% 相似待验证该基准测试存在以下局限：裁判可靠性问题、100个场景每个只运行一次的样本量限制、单一压力条件、纯文本环境、<think>块不保证能访问模型完整的内部推理、泛化能力有限。70% 相似待验证在第三轮路由测试中，使用弱模型 DeepSeek V4.1-Flash，480 次路由判断，管道组所有失误均表现为模型拒绝触发而非选错技能；移除 description 中的边界否定从句后，此类失误从 10 次降至 0。69% 相似待验证移除测试中，有图上下文时六个攻击场景全部被拦截或处理，图不可用时对照服务器对六个场景全部返回“无意见”；作者明确表示这不是通用安全基准，六个场景不足以确立普遍检出率。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065606API
curl https://kongchang.com/api/v1/knowledge/claims/1065606MCP
get_claim(id=1065606)