待验证50% 置信事实精确时间
MLE-bench是由OpenAI于2024年发布的标准化基准，从Kaggle精选75项历史竞赛任务，涵盖表格数据、计算机视觉、自然语言处理等领域，评分对标Kaggle奖牌体系
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证BrowseComp是由OpenAI于2025年初提出的专项基准，用于评估具备网络搜索工具的模型在多跳推理场景下的表现69% 相似待验证2024年Anthropic提出Tool Use规范，OpenAI更新Structured Outputs能力，提升工具调用可靠性63% 相似待验证OpenAI在2023年开源了其Evals框架，将评估分为基于事实的精确匹配、基于模型的评判、以及基于人类标注的评估三大类63% 相似已验证OpenAI预备框架于2023年底发布，覆盖网络安全、CBRN、欺骗性对齐、自主复制四个高风险领域，各维度分为低中高关键四个等级，触及关键原则上不得发布62% 相似待验证Albumentations库由Buslaev等人于2018年开源，最初为Kaggle竞赛场景优化61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1001133API
curl https://kongchang.com/api/v1/knowledge/claims/1001133MCP
get_claim(id=1001133)