Unverified50% confidenceBenchmarkExact time
在新闻分类任务上，少样本提示平均获得+24个百分点的提升；在法律文本任务上提升幅度仅为+3.4个百分点，其中两个模型表现出现退化
1
Sources
50%
Confidence
Long-term
Relevance
9/16/2026
First Seen
Sources
Related Entities
Related Claims
Unverified研究表明约15-25%的论文在rebuttal后会经历评分变动，其中正向变动的比例略高于负向变动71% similarUnverified当相关文档被放置在上下文中间位置时，模型正确回答率相比放在首尾位置下降高达20-30个百分点70% similarUnverified档位数量不是越多越好，实际常用只有2-3档，20档以上属营销噱头，应关注每档的实际RPM跨度是否合理（1800-3200RPM区间）66% similarUnverified题量并非越多越好：低于60题的测评难以覆盖多维度、信度不足；但超过300题会因答题疲劳导致后半段数据质量下降。个人自测选100-150题、20分钟内完成的版本较为均衡66% similarUnverified在7个月研究期间，修Bug的会话比例从33%降到19%，运维从14%涨到21%，写文档和分析数据从10%涨到20%66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/924776API
curl https://kongchang.com/api/v1/knowledge/claims/924776MCP
get_claim(id=924776)