待验证50% 置信基准精确时间
在漏洞检测基准测试中，让最新模型运行五次，只有50%的漏洞被稳定发现，相比确定性检查工具LLM只发现75%的问题，F1分数仅为40%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/14
首次发现
有效期至：2026/11/12
来源
相关事实
待验证GPT-4V、Gemini 等大模型在工业缺陷检测、病理切片分析等垂直领域的零样本检测精度在 mAP 指标上与专用模型存在 20-40 个百分点的差距66% 相似待验证在5%显著性水平下测试100个随机因子，期望会有5个看起来显著（多重假设检验问题）63% 相似待验证该测试样本规模相对有限（5个模型、13个代码库），结论有待更大规模验证63% 相似待验证在FastAPI开源项目（53个文件）上用20个问题基准测试，不使用工具每问83,000 tokens，使用本地索引工具每问4,900 tokens，减少94%62% 相似待验证2024年一项研究对GPT-4在Temperature=0下的代码生成任务进行100次测试，发现约8%的测试用例存在跨次运行的输出差异62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/746378API
curl https://kongchang.com/api/v1/knowledge/claims/746378MCP
get_claim(id=746378)