待验证50% 置信基准精确时间
arXiv论文《Beyond Downstream QA》提出的FEB-30基准采用反转范式构建确定性真值，测试显示一个代表性记忆系统对记忆操作（创建、更新、强化、取代）的正确分类率只有20%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
RAG进入生产深水区：配置陷阱、索引投毒与Agent记忆评估危机
rss2026/10/19
涉及实体
相关事实
待验证记忆测试中保留全部上下文时模型95%的情况能准确找到学生提及的具体细节，而摘要压缩后准确率骤降至32%69% 相似待验证如果20%的输出通不过schema验证，应该修的是提示词或模型等级，而不是心态67% 相似待验证据ForgetEval研究，当领先记忆系统在由非作者本人编写的测试用例上评分时，内部测试63%-68%的分数骤降至28%-33%。66% 相似待验证在合成逻辑回归分类器实验中，经过80步基于梯度上升的修复后，遗忘损失从0.0545上升到0.1649，但触发器攻击成功率依然为100%65% 相似待验证引入显式的解析器（resolver）处理信息取代关系后，陈旧记忆类失败降到零，整体准确率从33%跃升至78%65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067939API
curl https://kongchang.com/api/v1/knowledge/claims/1067939MCP
get_claim(id=1067939)