待验证50% 置信事实精确时间
whatmodel.sh 数据中 14,436 个结果来自独立评估（ACL Anthology、arXiv、Epoch AI、LMArena、EvalPlus、EleutherAI harness 等），7,677 个来自实验室自报，独立评估占比约 77%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证在EvoMap的基准测试中，同一AI模型对563道题，单个智能体独立作答正确率为26%，群集协作模式正确率为71%62% 相似待验证参与 PhysMent 测试的七个模型准确率跨度从 25% 到 67%62% 相似待验证研究评测覆盖了11个Agent决策点，数据来自18个公开来源，共构建了7,283个基础案例，外加6,640个鲁棒性变体61% 相似待验证作者用相同的20个场景测试了OpenAI、xAI和Anthropic的旗舰模型，GPT、Grok、Gemini和两个Claude模型面对护士留言时守住立场的比例从接近满分下滑到70%-85%区间60% 相似待验证一项发表于arXiv（arXiv:2610.08810）的研究系统评估了Prithvi-EO-2.0模型在三大洲、12个国家、37个事件中的分布外表现60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026877API
curl https://kongchang.com/api/v1/knowledge/claims/1026877MCP
get_claim(id=1026877)