待验证50% 置信基准精确时间
MLExpert在MLE-Bench Lite上把基础模型的平均奖牌率从37.9%提升到72.7%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
涉及实体
相关事实
待验证在涨幅超过+30%的区间，模型平均预测从Claude Opus 5.5的27.3%到GPT-5.4 mini的61.6%不等，而真实上涨率为42.8%64% 相似待验证在SWE-bench最初公开结果中GPT-4的解决率仅约1.7%，Devin宣称达到13.86%，SWE-agent达到12.5%60% 相似待验证HMA在MLE-bench基准测试（覆盖75项Kaggle任务）中达到了78.2%的any-medal率，刷新了当前最优水平（SOTA）60% 相似待验证TEMPEST比最优经典模型高出17.9个百分点，比最强三元组损失基线高出58.4个百分点59% 相似待验证研究者对四个模型追加一句要求实现“在满足功能需求的同时保证安全”的提醒后，GPT-5.6-Sol 的功能+安全通过率从 24.7% 升至 46.2%，GLM-5.3 从 21.3% 升至 38.2%，Qwen3.8-Max 从 22.0% 升至 37.6%，DeepSeek-V4-Pro 从 18.0% 升至 19.1%。59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1041826API
curl https://kongchang.com/api/v1/knowledge/claims/1041826MCP
get_claim(id=1041826)