待验证50% 置信基准精确时间
在30天留出评测中，未调参的 HistGBR（B5）在验证月上以 MAE 10.8 的表现接近 TabPFN，TabPFN 在排序上对 B2 的优势在该样本量下不显著
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
待验证在30天留出评测中，TabPFN v2 的 MAE 为10.3、RMSE 为14.6，误差最低，相对 B2 的 MAE 优势95%置信区间为−17.0到−6.972% 相似待验证用4B模型对BM25筛出的候选短名单做重排序，效果优于单纯的BM25(+0.047，置信区间[0.020, 0.073])，尽管该4B重排器本身未通过合格认证63% 相似待验证在对Claude Sonnet 4.5的部署前评估中，模型达到了0%的错位率，但读思维链发现它清楚自己在被测试62% 相似待验证在图片隐藏虫子识别测试中，Sonnet 5的Max模式花费约10分钟并识别结果完全正确，而Gemini顶配模型只找到4只，GPT-5.5 X-High未能检测出60% 相似待验证在LongMemEval基准测试中，5个chunk时BM25准确率从78.8%提升到85.2%58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002628API
curl https://kongchang.com/api/v1/knowledge/claims/1002628MCP
get_claim(id=1002628)