待验证50% 置信基准精确时间

即使正确检索到值，智能体仅在55%的情况下基于该值行动，暴露了从检索信息到基于信息行动之间的鸿沟

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

LLM长期记忆评估新标准：MERIT基准揭示记忆成本与性能权衡

涉及实体

嵌入检索concept

相关事实

待验证MedIQ多智能体系统最终达到57%准确率，摘要智能体带来约5%提升，而拥有全部前置信息的Oracle上限为66%72% 相似待验证ItaSoRL实验中智能体的内部状态探测准确率仅约50%，等同于随机猜测水平69% 相似待验证单一时段数据、缺乏横向对比及口径差异使得51%零赔付数据应被视为值得深入追问的信号而非对公司的定性判决67% 相似待验证研究表明人类评估者在判断LLM输出的事实准确性时，正确率往往只有50%-70%67% 相似待验证当综合评估指数中顶尖模型得分接近天花板时会出现基准饱和问题，60分对59分的差距在统计学上通常处于误差范围之内66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/892959

API

curl https://kongchang.com/api/v1/knowledge/claims/892959

MCP

get_claim(id=892959)