Unverified50% confidenceFactExact time
论文作者指出发现集中的对角线数据只提供拟合之外的一致性检验，而非完全独立的保留测试
1
Sources
50%
Confidence
Long-term
Relevance
10/1/2026
First Seen
Sources
Related Entities
Related Claims
Unverified通过初始基准测试的正则在更严格的对抗性探测下仍可能暴露问题，通过基准测试不等于真正可靠74% similarUnverified校准指标在测试集的整体统计层面有效，但无法保证对单个具体查询的置信度表达准确74% similarPartially Verified不适合需要精确定量结果的场景（如法律取证、职业健康判定），试纸只能做半定量初筛，无法替代实验室仪器分析73% similarUnverified作者实测发现ReAct和Reflection机制在SWE-verified基准小规模测试中带来的差异不在统计显著范围内71% similarUnverified本文对比测试基于单一 B 站 UP 主，样本有限，结果仅供参考71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/963997API
curl https://kongchang.com/api/v1/knowledge/claims/963997MCP
get_claim(id=963997)