待验证50% 置信事实精确时间

MLR专门用于捕捉AI生成或研究论文中隐藏的核心声明错误（core-claim errors）

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

Sakana AI多层评审系统：核心声明错误识别率达73%

涉及实体

MLRconcept core-claim errorconcept

相关事实

待验证核心声明错误特指直接影响研究主要结论成立与否的关键性错误，区别于语法、引用格式或表述模糊等表层问题64% 相似待验证当 OCR 输出直接喂给 LLM 时，识别错误会被放大和传导，模型会基于错误文本产生看似合理实则错误的结论60% 相似待验证确定性评分器能可靠捕捉字段格式错误，但在整个套件上做平均后无法告诉你错误集中在哪里60% 相似待验证作者归纳出四类高频确定性工具调用错误：可选字段传null值、数组格式错误、空对象包裹、参数值缺失60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/996941

API

curl https://kongchang.com/api/v1/knowledge/claims/996941

MCP

get_claim(id=996941)