待验证50% 置信基准精确时间

面对相同安抚措辞但无来源的信息，Gemini仍坚持就医的比例为100%，Claude Sonnet为95%

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

一张假护士条就能让AI改口：医疗建议的"反驳测试"揭示安全隐患

涉及实体

Geminimodel Claude Sonnetmodel

相关事实

待验证作者强调99.3%不是CFC准确率的普遍值，也不是Gemini的通用可靠性评分，只是该特定可复现决策闭合基准上的分数57% 相似待验证两个模型在编造时的自信程度与答对时几乎一样（Gemini 93.7% vs 95.5%，Gemma 96.3% vs 99.0%），说明置信度数字无法区分正确与编造57% 相似待验证不同论文对忠实度阈值往往使用70%~95%不等的值，缺乏统一标准53% 相似待验证根据Jev官方博客，其0%幻觉率并非来自实证测试，实际保证的只是返回答案符合允许的schema52% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999511

API

curl https://kongchang.com/api/v1/knowledge/claims/999511

MCP

get_claim(id=999511)