待验证50% 置信观点精确时间

如果系统主要根据是否给出答案来打分而非是否本该回答，那么回答'我不知道'会被算作一种失败

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

AI能力在飙升，可靠性却停滞：被忽视的真正难题

相关事实

待验证当模型缺乏最新信息时可能不会承认不知道，而是编造看似合理但实际错误的答案（幻觉）72% 相似待验证只看最终答案（answer-only）的评估方式会把无效的执行过程也计为成功70% 相似待验证研究观察到解答的正确性与推理轨迹的有效性之间存在明显的不相关性，模型经常在推理轨迹完全无效的情况下依然得出正确答案68% 相似待验证承认不知道并展示如何推理，远胜于强行编造标准答案，面试官更看重结构化解决问题能力而非记忆力68% 相似待验证逆问题往往是病态的，表现为解可能不存在、解不唯一、或解对输入数据极其敏感68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/939571

API

curl https://kongchang.com/api/v1/knowledge/claims/939571

MCP

get_claim(id=939571)