待验证50% 置信事实精确时间

CXBench 评测重点在于区分模型是没看见危险还是看见了但后面算错了两种失败模式

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

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

待验证总预测误差可以分解为偏差²+方差+不可约误差68% 相似待验证该框架引入两个互补信号：错误模式的去相关性（decorrelation in error patterns）和预测行为的分歧（divergence in predictive behavior）68% 相似待验证非劣效试验的目标是证明新方案的效果不差于对照方案超过一个预先设定的非劣效界值67% 相似待验证研究建立了条件得分估计误差的非渐近界，即在有限样本量下即成立的界限66% 相似待验证级联失败是指单次工具调用错误会污染后续上下文，导致模型在错误的中间状态上继续推理，最终使整个任务偏轨66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/993103

API

curl https://kongchang.com/api/v1/knowledge/claims/993103

MCP

get_claim(id=993103)