待验证50% 置信事件精确时间
三个独立Subagent对复盘日记做对抗式重验，核对120个可验证声称（含26个Commit Hash和40多处引用行号），结果零处编造、九处修正（均为行号飘移和口径换算问题）
1
来源数
50%
置信度
长期有效
时效性
2026/9/16
首次发现
来源
涉及实体
相关事实
待验证测试套件共10个，大多数各跑1000题，HumanEval为164题，TruthfulQA为817题63% 相似待验证手工编写的 22 计算器库在其支持的 440 个病例上完全精确，但对其余病例选择弃权，整体覆盖率仅 40.0%63% 相似待验证在试卷批改案例中，Cowork 通过一句指令生成了含平均分约72%、最低30分、最高100分的分析及HTML报告62% 相似待验证在少样本（如每类约20个样本）情况下，应放弃多分类细分，将所有缺陷折叠成二分类问题（有缺陷/无缺陷），把具体分类交给人工事后处理61% 相似待验证数据集中每个工具约有130种表达变体，并加入40个不使用工具的负样本61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/924983API
curl https://kongchang.com/api/v1/knowledge/claims/924983MCP
get_claim(id=924983)