待验证50% 置信基准精确时间
当探针一次只看一个提示（常规设定）时，即使训练了 5,249 个问题，Ouro 的读出率仅有 0.36，Qwen 仅有 0.19。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证Qwen Next在测试中仅得6/108（5.56%），因格式可靠性问题（17次invalid_json响应，只有6个条目可评分）而非理解能力不足71% 相似待验证在SimpleQA基准测试中，o4-mini只拒答1%的问题，错误率为75%。68% 相似待验证在EvoMap的基准测试中，子智能体实际找出373个正确答案，但主智能体合并后最终结果只保留了217个67% 相似待验证Erdős最小重叠问题的目标值是0.38080，数值越低越好；TTT-Discover报告的数值是0.38093，本次运行结果0.38094与报告几乎一致但距目标仍有微小差距。66% 相似待验证Mistral Small 4在单位换算输入上的得分仅为0.699，并产生了265个与正确标签相差精确十的幂次的错误65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1078904API
curl https://kongchang.com/api/v1/knowledge/claims/1078904MCP
get_claim(id=1078904)