待验证50% 置信事实精确时间

测试中出现模型自称某步有95%把握但按评分标准得0分的案例

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

用围棋测试大模型：一手棋看懂七种AI核心能力

涉及实体

相关事实

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%77% 相似待验证当所有模型在某评测上都能拿90分时该评测就应退场，即基准饱和现象76% 相似待验证在行动恰当性上，所有模型的平均得分达到95.6%74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/993098

API

curl https://kongchang.com/api/v1/knowledge/claims/993098

MCP

get_claim(id=993098)