待验证50% 置信观点精确时间

FOCUS 实验集中在 9B 规模模型和特定基准上，方法在更大模型和更广泛任务上的泛化性还有待验证。

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

FOCUS：主动评论家学习破解长程智能体信用分配难题

涉及实体

相关事实

待验证建议先用最强的通用模型配合精心设计的prompt和few-shot验证任务上限，再决定是否投入微调72% 相似待验证该内部表征校准方法在更大规模模型和更复杂真实场景中的表现仍有待进一步验证72% 相似待验证论文的控制实验覆盖5种基础模型、5种基分类器和3个尺度，结果显示增益在不同编码器上均成立，且在更小尺度上观察到的提升更大。71% 相似待验证开发者提出的后续计划包括：测试更多模型、扩大样本量、以及运行提示词消融实验，以量化邻域细节对预测结果的实际影响。71% 相似待验证研究表明校准能力与模型规模之间存在正相关，这一关系在多项实证研究中得到验证71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1102742

API

curl https://kongchang.com/api/v1/knowledge/claims/1102742

MCP

get_claim(id=1102742)