待验证50% 置信基准精确时间

在 14 种模型与推理模式的组合中，有 11 种在大多数冲突请求下生成了冲突内容，且大多没有警告。

1

来源数

50%

置信度

长期有效

时效性

2026/10/22

首次发现

来源

TenetBench：用俄语职业伦理条款测试AI合规性

涉及实体

TenetBenchproduct

相关事实

待验证模型大多能忽略不相关的注入：10个关于推送通知的普通问题收到不同功能的保存答案，没有一个回复提及它。66% 相似待验证rerere 计算冲突块的规范化哈希时会刻意剔除行号和部分上下文无关信息，只基于冲突的内容形状进行匹配。59% 相似待验证课程中候选修复在讲师本机通过了 12 个断言，覆盖原始错误、负数、0、重复值和空数组，每例验证顺序、原输入未变、返回新引用三项。59% 相似待验证当拥有数千个标注的查询-块对，且通用嵌入模型尽管分块良好仍在术语上失败时，才考虑领域微调嵌入模型。59% 相似待验证在十个问题中，有八个问题的至少一条记录仍然在渐近意义上落后于已发表的最佳边界58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1084337

API

curl https://kongchang.com/api/v1/knowledge/claims/1084337

MCP

get_claim(id=1084337)