待验证50% 置信事实精确时间
95.1% 的模型家族配对中，NPC 侧失败率更高，表明差距是系统性的而非随机波动。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/22
首次发现
有效期至：2027/1/20
来源
涉及实体
相关事实
待验证选择与生成的差距超过50个百分点，揭示当用户需要模型直接写出亲属称谓时可靠性远低于基准测试所呈现的水平68% 相似待验证在 WOVEN 评测中，即便最强的 MLLM 也远低于人类水平，失败模式在不同模型家族中反复出现，单纯扩大模型规模并不能消除这些缺陷。66% 相似待验证当两个模型的95%置信区间重叠时，它们之间的排名差异可能不具有统计意义65% 相似待验证在 n=100 且正负样本各半的条件下，55% 准确率的 95% 置信区间大致在 45%–65%，覆盖 50% 的基线，因此 5 个百分点的差距可能是随机波动。65% 相似已验证在样本极度不平衡的场景下，即便准确率高达95%，模型也可能完全无法识别少数类64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084111API
curl https://kongchang.com/api/v1/knowledge/claims/1084111MCP
get_claim(id=1084111)