Unverified50% confidenceFactExact time
一位独立研究者构建了22个多轮陷阱和84个单轮陷阱，让10款模型跑完全部106个测试，并用三种方式对每条轨迹独立打分
1
Sources
50%
Confidence
Long-term
Relevance
9/22/2026
First Seen
Sources
Related Entities
Related Claims
Unverified论文构造了一个单步推动（one-step pushing）的诊断实验，使用32个随机种子进行验证72% similarUnverified研究者在两种调用界面下对十个托管模型进行测试，共测得322个真实幻觉案例69% similarUnverified该基准测试使用统一的100个问题集，每个问题只发起一次搜索，所有配置使用相同的answering model处理返回内容69% similarUnverified实验在一个九核FP16 GEMM（半精度通用矩阵乘法）测试集上进行67% similarUnverifiedGAUGE研究覆盖了来自六家供应商的25个智能体，并在τ²-bench和SimulatorArena两个基准上进行测试66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/941201API
curl https://kongchang.com/api/v1/knowledge/claims/941201MCP
get_claim(id=941201)