待验证50% 置信基准精确时间
在纠错任务中，五个模型能检出至少 96.7% 的植入错误，误报率不超过 4%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/4
首次发现
有效期至：2027/2/2
来源
涉及实体
相关事实
待验证人工数据录入的错误率通常在0.5%至4%之间，复杂判断类任务的错误率更高。79% 相似待验证5%的Span采样率大约只能捕获故障运行的5%内容，因为失败是稀有且相关的，而真正有诊断价值的叶子Span恰好是状态过滤器已标记的那批。79% 相似待验证在 20 个公开的“遗漏平方反比修正”定向测试案例中，三个表现最好的模型在每个工作表中都抓住了该错误；而三个较弱模型接受了 20 个植入错误工作表中的 16 至 18 个。79% 相似待验证在监控大模型 API 错误率时，仅关注整体成功率不够，应关注错误率的百分位与突增检测，因为平均值可能掩盖尾部错误率对部分用户的影响。77% 相似待验证十二个模型中有十一个的认输案例里有87.5%到100%停在了用户提供的确切错误数字上，即认输通常意味着倒戈76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134263API
curl https://kongchang.com/api/v1/knowledge/claims/1134263MCP
get_claim(id=1134263)