待验证50% 置信事实精确时间

研究团队在12个模型、总计121,680次有效试验上做回溯性消融分析，其中79,853次未通过可执行检查

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

ThinkingBox：微软用20次重复测试重新定义AI智能体可靠性

涉及实体

ThinkingBoxproduct

相关事实

已验证2016年《自然》杂志的调查显示，超过70%的研究人员曾尝试复现他人实验但失败70% 相似待验证研究进行了成对的1万次运行对比实验，验证了两种分离现象、不动点精确恢复、非单调稳定区域和任务依赖性69% 相似待验证研究人员经人工验证确认了91个失败，并将其归入7个失败位点（failure locus）67% 相似待验证该测试样本规模相对有限（5个模型、13个代码库），结论有待更大规模验证66% 相似待验证该研究进行了超过一千万次试验，涵盖来自四个模型家族的十二个LLM，覆盖八个领域66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/991242

API

curl https://kongchang.com/api/v1/knowledge/claims/991242

MCP

get_claim(id=991242)