待验证50% 置信基准精确时间
研究团队对12个LLM进行了测试，只有GPT-6-Astra取得了16.7%的发现率，其余11个模型的发现率均为0%。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/28
首次发现
有效期至：2026/11/11
来源
涉及实体
相关事实
待验证该测试样本规模相对有限（5个模型、13个代码库），结论有待更大规模验证71% 相似待验证在 gpt-oss-120B 上，Asch 从众实验盲测条件下从众率为 0%，而范式被明确命名时从众率升至 83.3%70% 相似待验证在12个模型×任务组合中，只有 gpt-5.4-mini 在逻辑推理任务上出现统计显著的准确率提升：从15%跃升至97.5%，霍姆校正后 p=0.00056。70% 相似待验证在专为模型设计的未知规则小游戏测试中，GPT-6拿到99分接近满分，人类最高分只有30多分，其他模型仅在40分左右68% 相似待验证一项人类研究显示，人类与当前最强被测模型GPT-6 Astra之间存在21.6个百分点的差距。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1105940API
curl https://kongchang.com/api/v1/knowledge/claims/1105940MCP
get_claim(id=1105940)