待验证50% 置信事实精确时间
研究测试了13个模型,发现即使模型正确计算出了经过的时间,仍有62.1%的情况未能将这一约束应用到对话建议中。
1
来源数
50%
置信度
长期有效
时效性
2026/11/5
首次发现
来源
LLM助手的时间安全盲区:算出时间≠会应用,TASC基准揭示30.5%合规率
rss2026/11/4
涉及实体
相关事实
待验证在6人研究样本中,导师需要决定「给什么帮助」的时刻只有约23次,样本量不足以判断模型决策质量;而纯函数可以写123个单元测试。75% 相似待验证按题目难度排序,所有模型都答对的60道题坚持率91.4%,至少一个模型答错的52道题坚持率仅73.5%,表明谄媚追踪不确定性74% 相似待验证本次测试存在局限性:仅14个组、一个20亿参数的模型、一次运行;三个有效改写因改变法律含义在运行前被修正,修正与测试集在同一提交中;尚未在更大模型上运行该测试集。73% 相似待验证研究团队在12个模型、总计121,680次有效试验上做回溯性消融分析,其中79,853次未通过可执行检查73% 相似待验证在横跨13个模型、两种指令、962条打分响应的逐字引用基准测试中,没有一个模型在引文内修正过任何一处植入错误72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1139002API
curl https://kongchang.com/api/v1/knowledge/claims/1139002MCP
get_claim(id=1139002)