待验证50% 置信基准精确时间

研究团队使用2600个单函数请求（共7800次重复执行）测试系统，RadOnc-Agent在98.79%的单函数执行中选中了预期函数

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

RadOnc-Agent：用大模型编排放疗全流程AI工作流

涉及实体

RadOnc-Agentproduct

相关事实

待验证研究团队在四个训练好的DeBERTa检查点、共7,890条声明上做了对照实验64% 相似待验证测试最终形成174条任务、1744次尝试的样本量，采用同路由、同平台、同时段的AB对比方式62% 相似待验证一位独立研究者构建了22个多轮陷阱和84个单轮陷阱，让10款模型跑完全部106个测试，并用三种方式对每条轨迹独立打分62% 相似待验证该基准测试使用统一的100个问题集，每个问题只发起一次搜索，所有配置使用相同的answering model处理返回内容62% 相似待验证研究基于 CRMArena-Pro 中的100个线索资格判定任务展开62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983100

API

curl https://kongchang.com/api/v1/knowledge/claims/983100

MCP

get_claim(id=983100)