待验证50% 置信基准精确时间
在无效意图拒绝方面,最优模型能正确拒绝195个无效意图中的191个。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/6
首次发现
有效期至:2027/2/4
来源
涉及实体
相关事实
待验证现实中的改写会降低无效意图的拒绝率:在16种配置中,有15种在最佳模型上表现出拒绝率下降。75% 相似待验证误差准则接受了17次运行(其中13次为池选择)的失效概率低至参考值的0.38至0.89倍;另有181次运行耗尽了预算。71% 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69% 相似待验证开源小型模型gemma2:2b作为检查器时,接受了28个错误答案中的8个(其中错误当事方6个、错误行为2个),同时拒绝了14个正确答案中的10个。67% 相似已验证Anthropic在2024年的研究论文中量化了模型过度拒绝现象,发现经过安全训练的模型在某些场景下拒绝率高达15-30%属于误判66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1141652API
curl https://kongchang.com/api/v1/knowledge/claims/1141652MCP
get_claim(id=1141652)