待验证50% 置信基准精确时间

联合提问时模型无套利率高达95–100%，但改成孤立提问（每个陈述一个独立对话）后骤降至49–84%

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

荷兰赌局测试：13个大模型为何单独提问时集体"赔付"

涉及实体

荷兰赌局测试基准product

相关事实

待验证混合推理管线的分层策略可将单次查询的平均推理成本降低60-80%70% 相似待验证测试中每个陈述在全新对话中孤立提问，同时每个家族也在一个提示里联合提问，每个模型约160次调用，温度设为070% 相似待验证当用户将错误答案作为自信陈述并推两次时，模型坚持率从94.4%跌到84.0%68% 相似待验证Anthropic的研究显示，即使面对毫无根据的质疑，在某些测试中模型被用户简单反驳后放弃正确答案的比例超过50%67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999211

API

curl https://kongchang.com/api/v1/knowledge/claims/999211

MCP

get_claim(id=999211)