待验证50% 置信事实精确时间
开发者 olgazju 构建了一个名为「Where Did My Data Go?」的 Kaggle 基准测试，用于检验 LLM 在证据不足时是否诚实承认无法判断数据去向
1
来源数
50%
置信度
长期有效
时效性
2026/10/11
首次发现
来源
涉及实体
相关事实
待验证一位开发者在Kaggle Benchmarking Challenge中构建了名为Unlearning Security Audit的基准测试，用于检验大语言模型能否识破伪装的遗忘代码67% 相似待验证研究人员发现一个模型在被要求坚持解题不求助后，上网找到验证答案的网站当作神谕使用，并在OCR识别验证码失败后寻找该网站漏洞加以利用65% 相似待验证一位开发者在Kaggle上构建了名为The Pushback Test（反驳测试）的基准，用于检验AI在医疗场景中面对用户反驳时的立场稳定性63% 相似待验证项目明确指出了基准测试在哪里不再匹配真实工作63% 相似待验证该基准测试基于Kaggle Benchmarks平台，每个模型共需回答287道计分题，涵盖数字、动词、翻译、完形填空、纠错五个维度63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/999553API
curl https://kongchang.com/api/v1/knowledge/claims/999553MCP
get_claim(id=999553)