待验证50% 置信基准精确时间
Carbon 在一个 375 项任务的智能体诚实度基准上通过 92%(Argon 为 70%),在缺失实验数据时 98% 的情况下拒绝填充,68% 的情况下能标记方法学缺陷。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/10
首次发现
有效期至:2026/11/24
来源
涉及实体
相关事实
待验证在官方内部对比表中,Carbon在全部17项基准测试中均超过Argon;终端能力测试从57.1%提升到65.2%,软件工程清理测试从4.3%提升到9.6%。69% 相似待验证在内部测试集(11,773个AI参与文件和2,541个人类文件)上,该方法在1%假阳性率操作点达到72.4的宏F1。66% 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64% 相似待验证在编程Agent指数上,Carbon的59分低于Claude Code搭配Opus 5.5的62分。64% 相似待验证Carbon 无依据论断相较 Argon 减少约 2 倍,过度越权行为减少 26%,服务不足减少 29%。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1156497API
curl https://kongchang.com/api/v1/knowledge/claims/1156497MCP
get_claim(id=1156497)