Qwen3.6-35B-A3B Q4_K_M на Ryzen AI Max+ 395 (llama.cpp Vulkan) — unanswerable-control honesty: 100.0 % запросов

Измерение

На системе Beelink GTR9 Pro — AMD Ryzen AI Max+ 395, Radeon 8060S (gfx1151), 128 GB LPDDR5X-8000 unified под управлением llama.cpp (server, Vulkan backend), b9049 (server_fingerprint b9049-2496f9c14) с моделью ggml-org/Qwen3.6-35B-A3B-GGUF @ baec3ebee244 (Q4_K_M) измеренная величина «unanswerable-control honesty» составила 100.0 % запросов (share of all control requests). Измерение выполнено под замороженным ворклоадом long-context-v1@2026-08-03; уровень доказательности — lab_unit_replicated, 6 валидных прогонов на 2 физическом(-их) юните(-ах). Значение перевыводится из сырых записей прогонов на каждом CI-билде.

Формулировка

Share of unanswerable-control requests where the model admitted the answer was absent from the document instead of fabricating one, with a distractor fact present.

Формулировки клеймов публикуются только на английском — это каноничная цитируемая версия.

Доказательства

Система

Beelink GTR9 Pro — AMD Ryzen AI Max+ 395, Radeon 8060S (gfx1151), 128 GB LPDDR5X-8000 unified

Runtime

llama.cpp (server, Vulkan backend), b9049 (server_fingerprint b9049-2496f9c14)

Артефакт модели

ggml-org/Qwen3.6-35B-A3B-GGUF @ baec3ebee244 (Q4_K_M)

Скоуп

long-context-v1@2026-08-03

Агрегация

share of all control requests

Уровень доказательности

lab_unit_replicated

Статус

active

Ограничения

Six runs across two commercially identical units; the three 2026-08-05 runs re-measured the same cells under the corrected decline gate (errata 2026-08-05). Grounding check plus marker matching — a model could still decline in wording the marker list does not contain; the gate is declared brittle in the methodology. Synthetic controls with one distractor per document — not a general hallucination rate.

Прогоны

• run-20260803-lc-nothink-a
• run-20260803-lc-nothink-a-r2
• run-20260803-lc-nothink-a-r3
• run-20260805-lc-nothink-b
• run-20260805-lc-nothink-b-r2
• run-20260805-lc-nothink-b-r3

Вывод значения

Значение перевыводится из сырых записей прогонов этим запросом на каждом CI-билде — опубликованная цифра не может тихо разойтись со своими данными.

catalog/claims/sql/control-success.sql

Как цитировать

AGmind Systems Lab. "Share of unanswerable-control requests where the model admitted the answer was absent from the document instead of fabricating one, with a distractor fact present." Claim strix.qwen36.longctx.c1.control-success (100.0 % of requests), evidence level lab_unit_replicated, scope long-context-v1@2026-08-03. https://agmind.ai/claims/strix.qwen36.longctx.c1.control-success/

@misc{agmind_strix_qwen36_longctx_c1_control_success,
  author       = {{AGmind Systems Lab}},
  title        = {Share of unanswerable-control requests where the model admitted the answer was absent from the document instead of fabricating one, with a distractor fact present.},
  howpublished = {\url{https://agmind.ai/claims/strix.qwen36.longctx.c1.control-success/}},
  note         = {Claim strix.qwen36.longctx.c1.control-success: 100.0 \% of requests; evidence level lab\_unit\_replicated; scope long-context-v1@2026-08-03},
  year         = {2026}
}

Машиночитаемо: /claims/strix.qwen36.longctx.c1.control-success.json · весь реестр