待验证50% 置信基准精确时间

引导模式下平均端到端准确率从28.6%提升到33.7%，歧义检测F1值从45.3%提升到64.9%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/9

首次发现

有效期至：2026/10/7

来源

腾讯DiscoBench：评测LLM搜索代理歧义澄清能力的首个基准

bilibili熊二等兵2026/7/4

相关事实

待验证训练完成后，Needle在30个测试样本上取得了96.7%的F1调用得分70% 相似待验证Claude Opus 4.7中间检查点通过率达57%，最终准确率却只有39.8%70% 相似待验证在同一模型（Claude 4.6 Opus）下，OCR的精度（Precision）为33.9%，通用Agent为7.23%，OCR精度提升约4.7倍69% 相似待验证FP8量化相比FP16原始精度，在主流benchmark上的性能下降通常不超过1-2%68% 相似待验证Qwen 3.6 Max中性模式下歧义检测F1仅16%，平均每任务只问0.07个问题，但一旦提问澄清准确率高达94.7%68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/387226

API

curl https://kongchang.com/api/v1/knowledge/claims/387226

MCP

get_claim(id=387226)