待验证50% 置信基准精确时间
在Qwen3-1.7B和Gemma 2 2B模型上，线性探针在区分即将发生的拒答与胡编时，表现显著优于基于提示特征的方法，分别提升了7.4和16.3个百分点。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至：2027/2/1
来源
涉及实体
相关事实
待验证在Qwen-3.5-4B-Instruct模型上，前两条主轴与人类自发请求的风格维度匹配精确率达72.8%，宏平均召回率43.6%73% 相似待验证在Llama 3.2 3B上，ConfabQA基准上的边际提升在折间波动范围内，但直接针对拒答的探针在PopQA和TriviaQA数据集上实现了18-25个百分点的提升。73% 相似待验证在六个Qwen系列模型上进行匹配帧数（matched-frame）的对照实验，字幕方案在帧数对齐条件下平均准确率提升3.22分和2.55分72% 相似待验证在留出的Qwen3-32B对话片段上，当阈值设定为标记5%的良性调用时，线性探针捕获了82%的泄密调用。72% 相似待验证微调后的Qwen3.5-4B模型在BU Bench V1基准上准确率从15%提升至53%72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1128932API
curl https://kongchang.com/api/v1/knowledge/claims/1128932MCP
get_claim(id=1128932)