待验证50% 置信事实精确时间

谜题评测的共同特征是每次测试都可生成前所未见的新题目，从根本上杜绝模型通过记忆作弊

1

来源数

50%

置信度

长期有效

时效性

2026/9/5

首次发现

来源

AI智力测试频频翻车：谜题揭示大模型推理短板

涉及实体

谜题评测concept

相关事实

待验证传统模糊测试擅长发现内存安全类漏洞（如缓冲区溢出、use-after-free），但对逻辑漏洞、权限绕过等语义层面的问题几乎无能为力72% 相似待验证测试时扩展在事实性问题上更多推理步骤有时反而会引入更多幻觉，其优势主要体现在逻辑推理、数学和代码任务上69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/860579

API

curl https://kongchang.com/api/v1/knowledge/claims/860579

MCP

get_claim(id=860579)