待验证50% 置信基准精确时间

StepBack在七个数学推理和多跳问答（multi-hop QA）基准上进行了评估，结果显示平均准确率与自洽性方法相当，token使用量最多降低41.26%。

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

StepBack：步骤级错误定位重采样，推理token省41%

涉及实体

StepBackconcept 数学推理concept 多跳问答（multi-hop QA）concept

相关事实

待验证使用多智能体验证流程时MARCH的准确率被压低到4.4%，而同一模型被直接问哪个更好时准确率能达到43.7%75% 相似待验证通过选择性编辑专家的路由分数来抑制过度思考，在四个模型和四个基准测试上，使生成的token数量中位数减少30.4%，最高减少63.3%。73% 相似已验证研究表明在 Q4 及以上精度时，大多数任务的性能损失在 1–3% 以内73% 相似待验证4步推理可能导致质量损失，社区用户认为6到8步才是让画面正确成形的大致底线70% 相似待验证一项消融实验将模型的潜思考片段替换成来自无关问题的片段后，准确率下降 45%–51%，表明潜思考在承载实质推理。70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1142325

API

curl https://kongchang.com/api/v1/knowledge/claims/1142325

MCP

get_claim(id=1142325)