待验证50% 置信事实精确时间

题库共112道题，每道都有一个可验证答案和一个看似合理的错误答案，覆盖算术、单位换算、世界常识、日期、科学、字母计数、多步数学、脑筋急转弯和文字游戏

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

大模型抗压实测：质疑无效，错误断言让它瞬间认输

涉及实体

sycophancy benchmarkconcept

相关事实

待验证作者从60多个问题中提炼出11条结构性规律，其中最值钱的三条是：测量失败不等于零进度、判断和证明必须分离、每条指令都必须可验证67% 相似待验证该谜题来自一个每月更新的数学谜题系列，本月任务是证明这个结论为何总成立64% 相似待验证数学题有标准答案、代码可通过测试用例自动判定，这为强化学习提供了清晰、廉价、可大规模生成的奖励信号61% 相似待验证研究团队收集了103,939条经过评分的模型回复，覆盖十种配置：八个关闭推理功能的LLM外加其中两个开启最大推理能力的版本60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/998760

API

curl https://kongchang.com/api/v1/knowledge/claims/998760

MCP

get_claim(id=998760)