待验证50% 置信权衡取舍精确时间

精确匹配指标无法区分差一点但语义正确与完全错误的输出，作者计划未来版本为每句接受一组有效答案

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

Dấu or Die基准测试：LLM能还原越南语声调符号吗？

涉及实体

Dấu or Dieproduct Tuan Nguyenperson

相关事实

待验证研究观察到解答的正确性与推理轨迹的有效性之间存在明显的不相关性，模型经常在推理轨迹完全无效的情况下依然得出正确答案69% 相似待验证作者的评估器缺陷在于非终局启发式偶尔给出超过真实终局胜利的分数，作者因此调整价值刻度让终局结果严格占据主导68% 相似待验证由于语法分析依赖AI，分析结果仍可能出错，作者建议作为辅助参考而非标准答案68% 相似待验证原作者强调该准确率是特定系统在特定基准上的结果，而非对普遍鲁棒性的声明67% 相似待验证作者认为该方案生成的用例质量在部分场景的完整性上甚至超过人工编写水平66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999192

API

curl https://kongchang.com/api/v1/knowledge/claims/999192

MCP

get_claim(id=999192)