待验证50% 置信基准精确时间

直接使用Kev的准确率为64.00%，仅输出最终答案的Qwen3.5-4B准确率为68.80%。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/20

首次发现

有效期至：2026/11/3

来源

ABACUS框架：用程序引导冻结判断模型实现多步推理

涉及实体

Kevproduct Qwen3.5-4Bmodel

相关事实

待验证在 agentgateway 的实测中，qwen3.8（27.3B，Q4_K_M 量化，262K 上下文）有效回答率为 90.0%（54/60），已答准确率为 98.1%（53/54），全量准确率为 88.3%（53/60）。79% 相似待验证Q3_K_M 量化模型准确率从 52% 提升到 66%，是提升幅度最大的74% 相似待验证换用Qwen模型测试结论一致，令牌方案正确率67.0%，真实数据64.8%72% 相似待验证在 VL-RewardBench 上，JEV-27B-VL 整体准确率 78.3%，幻觉项 83.2%，推理项 78.2%，一般性问题准确率 58.0%。71% 相似待验证作为对照的简单三规则基线（3-rule baseline）准确率仅为64.4%，Jev领先约8个百分点71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073919

API

curl https://kongchang.com/api/v1/knowledge/claims/1073919

MCP

get_claim(id=1073919)