待验证50% 置信事实精确时间
Darwin-397B-ZTC在GPQA Diamond上的93.4%使用贪心解码、不做多数投票，与Darwin-180B-RSI的16次采样多数投票不在同一推理预算下。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
涉及实体
相关事实
待验证Darwin ZTC 在常识道德判断基准上得分为 88.0，排名第一。62% 相似待验证在Track B上，扁平RAG基线能检测出76%–97%的真实矛盾，但对16%–43%表层相似的安全草稿产生误报（具体比例取决于后端）62% 相似待验证GPQA Diamond子集共198题，在95%置信区间下单次采样标准误约为2个百分点，因此0.7点的差值在噪声范围内。60% 相似待验证两个模型在编造时的自信程度与答对时几乎一样（Gemini 93.7% vs 95.5%，Gemma 96.3% vs 99.0%），说明置信度数字无法区分正确与编造60% 相似待验证在 600 张合成发票测试集上，QLoRA 微调模型的整票精确率为 83.0%，自动批准率为 86.8%，已批准发票中校验覆盖字段错误为 461 中 0 个（上界 0.8%）。59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067096API
curl https://kongchang.com/api/v1/knowledge/claims/1067096MCP
get_claim(id=1067096)