待验证50% 置信观点精确时间

模型的基准分数更高并不等于在所有场景下都更好用

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

模型越强工具越差？Claude新模型工具调用的隐藏陷阱

rss2026/7/4

相关事实

待验证对比学习中的推远操作只要求负样本相似度低于正样本，并不要求达到-1的极端值68% 相似待验证对于参数量有限的小模型，数据质量对最终性能的影响甚至超过数据量本身68% 相似待验证当基准评分指标成为优化目标时会产生Goodhart定律效应，模型学会在特定格式上得高分而不一定真正提升能力，部分模型HumanEval得分超过95%但实际代码生成能力相差悬殊67% 相似待验证评估模型不能只看智能指标，还要看Token使用效率和工具调用次数，工具调用次数过多会导致上下文污染67% 相似待验证综合多个独立来源的评测结果比单一自报基准分数更能反映模型的实际水平66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/126888

API

curl https://kongchang.com/api/v1/knowledge/claims/126888

MCP

get_claim(id=126888)