待验证50% 置信事实精确时间
该实验仅使用单一随机种子，评估集只有200个问题，且语料库由所选问题的上下文段落构建，因此分数不能直接与已发表的Search-R1基准结果比较。
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
涉及实体
相关事实
待验证实验样本量小（单个模型、单次测试、50 道题），存在随机波动的可能，属于启发性发现而非定论73% 相似待验证该对比实验样本量有限：每个问题被问了两次，实际覆盖的问题数约只有 14 个，单次对错对结论扰动很大。70% 相似待验证该原型系统在基准测试中比随机采样少3-5倍的标注量，因为采集集中在边界病例上。67% 相似待验证测试使用的计费函数原始有 bug 版本仅通过 215 个测试中的 138 个，修正版本通过全部 215 个（15 个手写边界用例加 200 个随机用例）。67% 相似待验证每个模型回答 112 道题（7 类缺陷 × 2 个版本 × 4 次重复 × 2 种条件），其中一半有缺陷一半健全，机械回答'none'的模型会得到 0.50 分基线66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074536API
curl https://kongchang.com/api/v1/knowledge/claims/1074536MCP
get_claim(id=1074536)