待验证50% 置信基准精确时间

冗长填充放在正确答案上会导致裁判得分暴跌，Grok 非推理版难题得分从0.875跌到0.19，表明冗长偏见只是反向存在

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/11

首次发现

有效期至：2027/1/9

来源

给LLM裁判下套：弱模型会篡改数学来迎合提示注入

涉及实体

Grok 4.20model Judge Baitproduct

相关事实

待验证对照组删掉提示词中的答案键后，匹配率从63%骤降到1%（1/75）72% 相似待验证审稿人数量的增长追不上投稿量的增长，导致同行评审质量下滑72% 相似待验证研究发现反事实输入的忠实度得分仅比事实输入低0.05分（在1-5分量表上），差异几乎可以忽略不计71% 相似待验证Layla对选项基数和位置极度敏感，在77类分类题上准确率跌到0.425，打乱选项顺序能让20%的答案发生翻转71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/996783

API

curl https://kongchang.com/api/v1/knowledge/claims/996783

MCP

get_claim(id=996783)