待验证50% 置信基准精确时间

Qwen3-1.7B在2跳任务上忠实度为68%，到6跳时暴跌至30%，而Qwen3-4B在不同跳数下保持相对平稳

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

Qwen3-1.7Bmodel Qwen3-4Bmodel

相关事实

待验证Qwen3-1.7B的整体因果忠实度只有54.8%，远低于Qwen3-4B78% 相似已验证Qwen3.5的参数激活率为4.3%，而DeepSeek V3的671B模型激活率为5.5%75% 相似待验证在终端基准（Terminal Bench）测试中，Qwen 3.6 27B得分约60.7，而Muse Glimmer只有51.7，明显落后74% 相似已验证Qwen3.6 27B 在 SWE-bench Verified 上拿到77.2分74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946177

API

curl https://kongchang.com/api/v1/knowledge/claims/946177

MCP

get_claim(id=946177)