[控场AI]
待验证50% 置信基准精确时间

论文在六个数学推理基准上评估了 VASPO，在 Knights and Knaves 任务上取得了所有评估方法中最高的平均准确率。

1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/15
首次发现
有效期至：2027/1/13

来源

VASPO：用特权价值估计重塑自蒸馏推理训练

涉及实体

VASPOconceptKnights and Knavesconcept

相关事实

待验证实验采用平衡准确率（balanced accuracy）作为评价指标，覆盖 8 个分类数据集65% 相似待验证论文在五个基准测试和四个模型家族上进行了系统评估，SCOPE相比监督式图训练方法在多个基准上取得了更高的准确率。64% 相似待验证实验表明门控目标在两个数据集上均获得最高平均准确率，验证了目标可靠性和评估优先级可独立优化64% 相似待验证作者将语义正确性与输出格式合规性分离开来评分，并认为这是整个实验中最有价值的发现62% 相似待验证论文提出联合准确率（joint accuracy）指标，只有文本答案和生成图像都正确才算通过62% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1032842
API
curl https://kongchang.com/api/v1/knowledge/claims/1032842
MCP
get_claim(id=1032842)