待验证50% 置信基准精确时间

实验中LLM客服爽约了8个到期承诺中的6个，而关键词机器人在30个承诺中只爽约了2个

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

用200个AI居民组成的小镇，测出客服Agent会撒谎

涉及实体

Qwen3-32Bmodel Populaceproduct

相关事实

待验证实验中LLM客服在第一天解决了7个问题，关键词机器人只解决了4个问题75% 相似待验证试点实验让三个编程代理和八个模型各跑八次20分钟单次任务，标签感知F1从0.143到0.892方差极大65% 相似待验证AFK智能体在约一个半小时内无人值守完成了5轮迭代，生成了6次附带详细提交信息的代码提交59% 相似待验证在30秒字幕窗口下，12个模型中有10个表现更优；在60秒字幕窗口下，12个模型中有8个表现更优58% 相似待验证Anthropic招募了1053名程序员做对照实验，在正常任务中混入危险命令，人类放行了800条危险命令，机器只漏掉了6条57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/960573

API

curl https://kongchang.com/api/v1/knowledge/claims/960573

MCP

get_claim(id=960573)