待验证95% 置信事实时间未知
MEME数据集共生成100个评估片段，每个片段约3.5万Token对话上下文，总计产生694个变更后的评估问题
1
来源数
95%
置信度
中期 (~90 天)
时效性
2026/6/1
首次发现
有效期至：2026/8/30
来源
MEME基准测试揭示LLM记忆系统致命缺陷：依赖推理准确率不足50%
bilibili熊二等兵
涉及实体
相关事实
待验证在试卷批改案例中，Cowork 通过一句指令生成了含平均分约72%、最低30分、最高100分的分析及HTML报告67% 相似待验证数据集中每个工具约有130种表达变体，并加入40个不使用工具的负样本61% 相似待验证测评维度覆盖越广、题目越多（超过200题）虽显全面，但普通用户答题疲劳会导致后半段随意作答，反而降低数据质量；日常自查选择60-120题、20分钟内可完成的套餐更可靠61% 相似待验证连续批处理在每个解码步骤后立即移出已完成序列并插入新请求，将GPU利用率从传统方案的30-50%提升至80%以上60% 相似待验证研究显示复杂代理任务的token消耗往往是等效单次对话的20-100倍59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/21545API
curl https://kongchang.com/api/v1/knowledge/claims/21545MCP
get_claim(id=21545)