待验证50% 置信观点精确时间

单一的性能百分比具有误导性，号称保留98%性能的模型可能在特定任务类型上恰好落在损失的2%里，应在信任benchmark前用真实任务测试

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

Bonsai 2实测：27B模型压进6GB，98%性能是真的吗？

涉及实体

相关事实

已验证研究表明在 Q4 及以上精度时，大多数任务的性能损失在 1–3% 以内74% 相似待验证传统的成功率指标难以全面反映策略的鲁棒性，一个策略可能在90%的常规任务中表现出色却在剩余10%的关键场景中出现灾难性失败73% 相似待验证使用多智能体验证流程时MARCH的准确率被压低到4.4%，而同一模型被直接问哪个更好时准确率能达到43.7%72% 相似待验证在带命题约束的任务中，模型整合已验证为无效候选的比例高达93%–100%72% 相似待验证对于推理服务而言，一个功能正确但让吞吐量下降30%的补丁实际上是不可接受的，性能表现应纳入评测维度72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/973443

API

curl https://kongchang.com/api/v1/knowledge/claims/973443

MCP

get_claim(id=973443)