待验证50% 置信事件精确时间

在AI谜题的首次公开测试中，Grok被问及开放级别谜题时声称给出了证明，但实际只是数值估计，随后撤回了该声明。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/25

首次发现

有效期至：2026/11/8

来源

AI谜题：介于基准测试与开放问题之间的新范式

涉及实体

相关事实

待验证AI谜题格式规定只有可机器检查的证明才算解决，浮点数值只是证据而非证明。78% 相似待验证该工作使用“张量谜题”作为测试用例来验证Jax-Lean转译器的正确性。69% 相似待验证在测试中，扩展推理智能体正确识别出了一种分层混币模式，而初级分析师最初遗漏了它。69% 相似待验证AI谜题格式中，较低级别的谜题已有精确答案且答案可被程序自动验证，可用于训练和检查模型输出，题目容易生成变体以避免记忆答案。68% 相似待验证该测试是一次概念演示（proof of concept），而非对Adapt-1通用能力的完整基准测试68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1097062

API

curl https://kongchang.com/api/v1/knowledge/claims/1097062

MCP

get_claim(id=1097062)