待验证50% 置信观点精确时间

即使使用定制提示，最强模型在 KEEP-Bench 上的证据保留表现仍不可靠。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/20

首次发现

有效期至：2027/1/18

来源

KEEP-Bench：上下文压缩中的证据保留新基准

涉及实体

KEEP-Benchconcept

相关事实

待验证在 KEEP-Bench 上，最佳闭源模型仅在 61.6% 的案例中保留了所有必需证据。78% 相似待验证在长轨迹上模型倾向于过早锁定一个看似合理的诊断然后停止，导致关键证据未被检查70% 相似待验证部分失败案例可以追溯到模型持续推理、耗尽了本应用于给出最终答案的预算，最终无法收敛到结论。69% 相似待验证朴素的按置信度分层比较不可靠，因为未控制检测强度会导致结论被检测强度干扰68% 相似待验证KEEP-Bench 包含 4,102 个案例，覆盖三种挑战性场景：需要保留证据以支持合理参考解析、显式限定词和少数派观点。68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073302

API

curl https://kongchang.com/api/v1/knowledge/claims/1073302

MCP

get_claim(id=1073302)