待验证50% 置信基准精确时间

Qwen2.5-3B-Instruct 在 EvidenceFlip 上综合得分0.90，动作准确率0.90，冲突检测1.00，抗压能力1.00

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

EvidenceFlip基准测试：大模型知道何时该拒绝回答吗？

涉及实体

Qwen2.5-3B-Instructmodel EvidenceFlipproduct

相关事实

待验证SmolLM2-1.7B-Instruct 在 EvidenceFlip 上综合得分0.40，冲突检测1.00，但抗压能力0.0078% 相似待验证Qwen3-1.7B在2跳任务上忠实度为68%，到6跳时暴跌至30%，而Qwen3-4B在不同跳数下保持相对平稳71% 相似待验证Qwen3 27B在多项编程和智能体基准测试中的得分超越了Claude Opus 4.669% 相似待验证Qwen2.5-72B 在多项基准测试中接近 Llama-3.1-405B 的表现69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999239

API

curl https://kongchang.com/api/v1/knowledge/claims/999239

MCP

get_claim(id=999239)