待验证50% 置信基准精确时间
在 GPT-6-Luna 上的消融实验表明，QERA 的收益在生成答案之前就已确立：固定的回答协议贡献了 3.8 个评分点，针对特定请求的问题贡献了 1.6 个评分点。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/27
首次发现
有效期至：2027/1/25
来源
涉及实体
相关事实
待验证在七留出查询的评估中，训练后的IRM在top-1结果上达到4/7正确，恒等变换基线为3/7。68% 相似待验证在全部 405 个任务上，QERA 在四种前沿大模型上均取得最高解决率，平均为 21.0%；三种推理时基线中最强者为 18.2%，直接回答为 14.6%。68% 相似待验证在 agentgateway 的实测中，qwen3.8（27.3B，Q4_K_M 量化，262K 上下文）有效回答率为 90.0%（54/60），已答准确率为 98.1%（53/54），全量准确率为 88.3%（53/60）。67% 相似待验证四次成功审稿的提示token数分别为Sentinel 5,095、Vuln-Scanner 5,365、Bloom 5,149、Wiper 24,372，响应token分别为1,820、1,764、1,974、1,605；探针花费443提示和1,009响应token。66% 相似待验证顺序效应：交换两个答案的先后顺序，GPT-5.4在一个基准上改判的比例达11.4%，另一个基准10.5%；Gemini 3.1 Pro和Claude Opus 4.6则在2.0%到3.8%之间。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102093API
curl https://kongchang.com/api/v1/knowledge/claims/1102093MCP
get_claim(id=1102093)