待验证50% 置信基准精确时间
在12个模型×任务组合中，只有 gpt-5.4-mini 在逻辑推理任务上出现统计显著的准确率提升：从15%跃升至97.5%，霍姆校正后 p=0.00056。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证对于 7B 模型，使用求解器准确率为 75.31%，直接计算为 72.02%，配对提升 +3.29 个百分点，95% 聚类区间为 [-3.49, 10.38] 跨越零点，优势不显著75% 相似待验证在性能模型代码构建任务上，除GPT-5.6 Sol外的其他所有模型配置平均通过率低于15%，且多次运行之间波动极大74% 相似待验证参数量在1亿以下的轻量模型经领域数据微调后可达95%以上意图分类准确率，单次推理延迟控制在5-20ms以内73% 相似待验证0.610 的 WANDR 得分不意味着模型在60%的任务上完全成功，实际部分完成率与任务复杂度分布相关72% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1007696API
curl https://kongchang.com/api/v1/knowledge/claims/1007696MCP
get_claim(id=1007696)