待验证50% 置信事实精确时间
早期测试轮次里，122次尝试中有101次带语法错误、根本跑不起来。
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
别让LLM做决策：构建可预测AI导师的工程实践
rss2026/10/19
涉及实体
相关事实
待验证用筛选轮的128次尝试验证实质性门槛：121次通过，被拒的7次是6次空提交和1条光秃秃的SELECT，没有丢失任何真实尝试。67% 相似待验证ThinkingBox基准测试共进行了121,680次试验，其中79,853次失败66% 相似待验证在横跨13个模型、两种指令、962条打分响应的逐字引用基准测试中，没有一个模型在引文内修正过任何一处植入错误66% 相似待验证研究人员经人工验证确认了91个失败，并将其归入7个失败位点（failure locus）66% 相似待验证在1700个容易用例加100个困难多语言用例的情形下，即便困难用例全军覆没一半，聚合通过率也可能只从97%掉到93%左右65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069229API
curl https://kongchang.com/api/v1/knowledge/claims/1069229MCP
get_claim(id=1069229)