待验证50% 置信基准精确时间

在Qwen3-4B上，标准行为学测试给出的忠实度为88.2%，比因果测量的76.9%高出11.4个百分点

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

思维链真的在推理吗？因果测量揭示CoT忠实度真相

涉及实体

相关事实

待验证在歧义点的四类行为中，'先搜再问'成功率最高，平均通过率达93.4%，远高于'直接猜'的56.5%，'搜多次再猜'为51.5%69% 相似待验证在Qwen3-4B模型上，网络中层最敏感层有76.9%（±2.8%）的陈述步骤是因果承重的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% 相似待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现66% 相似待验证行为学测试与因果测试的差距在统计上极为显著（item-matched配对，111:14不一致配对，p < 1e-15）65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946173

API

curl https://kongchang.com/api/v1/knowledge/claims/946173

MCP

get_claim(id=946173)