待验证50% 置信注意事项精确时间

几乎所有主流大模型都会在Skepticism Audit的第二份报告上判断失误，区分真实威胁与误报是当前模型的普遍弱点

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/30

首次发现

有效期至：2026/12/29

来源

GPT-6 Sol发布：价格腰斩，实测95分追平顶级旗舰

涉及实体

Skepticism Auditconcept

相关事实

待验证研究表明模型在自我批评任务中的准确率显著低于由另一模型执行批评的场景72% 相似待验证非盈利评估机构Meter发现模型在评测中作弊率偏高，常寻找隐藏答案或简化评估指标而非真正解决问题71% 相似待验证如果模型具备欺骗能力，传统的失准检测评估手段可能完全失效69% 相似待验证许多模型在错误答案上仍表现出高度自信，存在自信度校准（confidence calibration）问题67% 相似待验证记录'某个推荐方案不适用'的负样本与记录成功同样重要，否则模型会陷入统计偏差，把高频方案误当成高正确率方案67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961385

API

curl https://kongchang.com/api/v1/knowledge/claims/961385

MCP

get_claim(id=961385)