待验证50% 置信事实精确时间

论文对363条经LLM裁判评估轨迹的初步分析显示过程轨迹暴露了纯输出评测无法捕捉的行为差异

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

OpenDiscoveryTrace：558条轨迹数据集如何审计AI科学家推理过程

涉及实体

OpenDiscoveryTraceproduct

相关事实

待验证研究表明模型在处理约束性指令时的准确率显著低于处理生成性指令，这被称为'约束遵循缺陷'67% 相似待验证LLM在「生成」和「评估」时激活的推理路径不同，存在「生成盲区」与「评估敏感区」的不对称性，这是多Agent Review能发现更多问题的底层原因66% 相似待验证Agent 评测中由于错误沿任务链累积传播，最终完成率的分差往往比传统 NLP 基准更难弥合66% 相似待验证研究者通过前向—后向循环检查（forward–backward cycle check）过滤遮挡、快速运动和估计失败区域的错误对应关系66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/907731

API

curl https://kongchang.com/api/v1/knowledge/claims/907731

MCP

get_claim(id=907731)