待验证50% 置信基准精确时间

基于oracle的诊断性评测发现，仅依赖最终答案奖励的GRPO几乎没有改善感知能力，准确率提升主要来自语言推理侧

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/9

首次发现

有效期至：2027/1/7

来源

SPLIT-RL：分阶段训练破解视觉语言推理的能力归因难题

涉及实体

相关事实

待验证消融实验显示：单纯依靠推理对稀有实体的准确率没有显著提升68% 相似待验证承认不知道并展示如何推理，远胜于强行编造标准答案，面试官更看重结构化解决问题能力而非记忆力68% 相似待验证大语言模型的说服力陷阱本质是校准失败，输出流畅度与事实准确性之间不存在正相关67% 相似待验证此类上下文去重技能的实际价值取决于匹配准确度，误报会打断心流，漏报则失去意义67% 相似待验证RLHF中人类评审倾向给流畅自信全面的答案更高分而较少关注事实核查，导致模型获得隐性激励表现得有把握比实际有把握更重要67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990754

API

curl https://kongchang.com/api/v1/knowledge/claims/990754

MCP

get_claim(id=990754)