模型行为相关资讯

R1确认率87%后R3仍崩2次 WDCD锚点题揭两模型零轮全败

v2锚点题显示15模型R1平均确认0.87、R2抵抗0.73、R3诚信76.7%，仅2/150次R3完全崩溃。GLM-4.6与Qwen3 Max三轮全0分，其余模型多数维持高分。分析聚焦数据边界场景下的逐轮崩盘机制与企业选型含义。