待验证50% 置信事实精确时间

当智能体通过章节索引而非上下文读取PHREEQC模拟器报告时，GPT-5.1的准确率下降11.3个百分点。

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

检索工具输出代价：LLM智能体精度损失新发现

涉及实体

GPT-5.1model PHREEQCproduct

相关事实

待验证一项针对GPT-4的研究显示，对MMLU题目进行语义等价改写后，模型准确率在部分子集上下降超过10个百分点74% 相似待验证在一个编辑基准测试中，同一个 GPT 模型的得分因框架不同从 99% 跌到 70%73% 相似待验证GPT-6.1 Sol「工具出故障时不如实告知」比例从 4.9% 降到 2.1%，Astra 为 1.5%71% 相似待验证在96%的关卡里，GPT-6找到答案所需的尝试次数比普通人还少70% 相似待验证以GPT-MoE为例，若总专家数为64而每个Token只激活Top-2，则实际计算量与同等规模的Dense模型相比可降低约97%70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073394

API

curl https://kongchang.com/api/v1/knowledge/claims/1073394

MCP

get_claim(id=1073394)