待验证50% 置信基准精确时间
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。
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
待验证标准分为基础性、过早披露、目标偏离、信息遗漏四个族，共19种失败模式，其中18种在实际测试中触发。80% 相似待验证在四个模型和三个基准测试上，表现最佳的骨架规格相比最佳端到端行为规格，平均测试误差降低了48.4%。79% 相似待验证在纠错任务中，五个模型能检出至少 96.7% 的植入错误，误报率不超过 4%。79% 相似待验证19项报告了评测器'偏向哪边出错'的研究中，12项偏向把本该失败的作品判为通过，3项偏向相反方向，4项混合。77% 相似待验证评测结果共41个失败案例，其中3个是真正的AI代理故障，28个是评分器或测试用例的bug，9个是回复检查过于严格，1个是邮箱掩码处理缺陷。76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134264API
curl https://kongchang.com/api/v1/knowledge/claims/1134264MCP
get_claim(id=1134264)