待验证50% 置信基准精确时间

在奖励差距较大的智能体配对上，决策分歧率低于1%

1

来源数

50%

置信度

长期有效

时效性

2026/9/14

首次发现

来源

GAUGE研究：何时不能信任LLM-as-a-Judge的智能体评测

涉及实体

相关事实

待验证研究发现反事实输入的忠实度得分仅比事实输入低0.05分（在1-5分量表上），差异几乎可以忽略不计70% 相似待验证对比学习中的推远操作只要求负样本相似度低于正样本，并不要求达到-1的极端值70% 相似待验证在固定算力下，单头注意力比最优设置差0.9分，头太多质量反而会下降69% 相似待验证即使正确检索到值，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68% 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

引用此条事实

Stable URI

https://kongchang.com/claim/919804

API

curl https://kongchang.com/api/v1/knowledge/claims/919804

MCP

get_claim(id=919804)