待验证50% 置信事实精确时间

Scale AI的研究团队发现，部分模型在被污染的基准上的表现比在新编写的同等难度题目上高出10-15个百分点

1

来源数

50%

置信度

长期有效

时效性

2026/8/20

首次发现

来源

GLM-5.3基准测试解读：国产大模型的全球化进阶之路

相关事实

待验证研究表明即使是部分污染（模型只见过题目而非答案），也可能显著提升得分72% 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70% 相似待验证斯坦福大学的研究表明，仅通过优化Prompt措辞，就能在某些任务上将模型表现提升20%-50%69% 相似待验证研究表明，结构化提示词相比模糊描述可将 AI 输出质量提升 40% 以上69% 相似待验证使用AI调试三件套母版（完整报错信息+相关代码片段+预期运行方式）后，答案准确率从30%提升到90%以上，且基本一次就能解决问题69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/778884

API

curl https://kongchang.com/api/v1/knowledge/claims/778884

MCP

get_claim(id=778884)