Unverified50% confidenceFactExact time
CVE-Zero 测试的样本量小（n=10），作者标注结果为方向性
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/6/2026
First Seen
Valid until: 10/4/2026
Sources
T3MP3ST：将编程Agent武装为自主渗透红队的开源框架
twitterelder_plinius7/5/2026
Related Claims
Unverified测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）66% similarUnverifiedOpenAI的图表显示，在较低的测试时计算量下，模型对这道题的成功率接近零，只有在极长的推理链条下才偶尔成功66% similarUnverified在HumanEval测试中Ornith有45道题未作答，作答通过率97%，总得分70%；Qwen有29道题未答，作答通过率98%，总得分80%64% similarUnverified研究表明CoT提示在参数量低于100B的模型上几乎无效64% similarUnverified演示中使用Claude 4.7最高思考模型进行测试，模型能正常响应且右下角额度消耗显示始终为零63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/114279API
curl https://kongchang.com/api/v1/knowledge/claims/114279MCP
get_claim(id=114279)