待验证50% 置信基准精确时间

在零样本设置下，14个开源权重模型和4个前沿API旗舰模型均未能通过DAPE政策变迁推理任务。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/11/3

首次发现

有效期至：2026/11/17

来源

双轴政策蕴涵基准DAPE：政策变迁推理新范式

涉及实体

相关事实

待验证在63个完全不参与任何设计决策的held-out数据集上，SurvICL与20个基线模型进行对比，且不做任何调参。67% 相似待验证对于无法关闭推理的模型，顶层 'none' 会降级到该模型的最低推理档位并发出 compatibility warning，而不是静默丢弃或让 API 拒绝请求。60% 相似待验证单一基准测试和单一模型配置无法完整验证 Droid 1.0“模型无关”的普适性；Factory 目前披露的数据仅覆盖一个测试场景，跨模型对比数据尚未公开。59% 相似待验证缓存支持受模型限制，并非普遍保证。59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1129266

API

curl https://kongchang.com/api/v1/knowledge/claims/1129266

MCP

get_claim(id=1129266)