待验证50% 置信事实精确时间
分家族看，四个带语法条件的提示家族幻觉占比最高，达到38%至42%；只用IPIP人格的家族最低，为28%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证在集群面板上用代码替代模型的结构化决策（基于相同提取事实）平均提升20.5个百分点家族准确率，Llama 3.1 8B从模型自判1%提升至代码判决56%62% 相似待验证关闭思考模式的Qwen3-32B在开场技术写作岗位家族中批准了全部八份申请（包括四份不满足经验要求的），八项全部正确的家族占比仅39%，不合格申请人被错误批准率41%60% 相似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59% 相似待验证评分器的类坍缩现象在来自第四个家族的7B评分器、新的有害请求以及第三个家族的目标模型上同样出现。59% 相似待验证稳健策略保真度（robust policy fidelity）指标以家族级通过率衡量，50%分数意味着一半家族通过全部检查，而非一半单项回答正确58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102118API
curl https://kongchang.com/api/v1/knowledge/claims/1102118MCP
get_claim(id=1102118)