待验证50% 置信基准精确时间
在作者公布的25道题小样本评测中，ZY-S1相比基座模型在ARC-Challenge上从76提升到80（+4个百分点），在MMLU上从48提升到52（+4个百分点）。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/13
首次发现
有效期至：2026/10/27
来源
涉及实体
相关事实
待验证在作者公布的25道题小样本评测中，ZY-S1相比基座模型在MATH-500上从4降到0，数学能力退化。75% 相似待验证多个前沿模型在MMLU上的得分差距已缩小到百分之一的量级，推动了MMLU-Pro和ARC-AGI等更高难度基准的出现67% 相似待验证中间层模型在MMLU、HumanEval等基准上通常能达到旗舰模型80%以上的得分，却只需不到30%的推理成本66% 相似待验证在干预实验中，供体控制（donor-control）AUC从0.254上升到0.540，配对变化达到+0.286（95%置信区间[+0.272, +0.300]），并在全部18个概念上都出现上升66% 相似已验证在MMLU、HumanEval、GSM8K等主流评测中，头部大模型的得分差距往往只有几个百分点65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1014223API
curl https://kongchang.com/api/v1/knowledge/claims/1014223MCP
get_claim(id=1014223)