待验证50% 置信基准精确时间
DK-VLM-8B在六个空间基准测试中取得了最高的平均分。
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DK-VLM在VSI-Bench上得分74.33，在ReVSI-32上得分58.28，均为最高总分。64% 相似待验证在六种配置、涵盖五组异构智能体组合的测试中，HMA相较于其组成部分的基线智能体平均提升了6.4个百分点的any-medal率63% 相似待验证pplx-decider-v1-27b 在 11 项基准测试中取得 85.7% 的平均成绩，领先于对比对象 Jev（官方数据）63% 相似待验证GLM-5.3在六项评测中的成绩为：终端编程基准3.0得28.3、深度软件工程基准得66.9、智能体中场考试得28.5、自动化基准得48.2、带工具的人类终极考试得62.5、GDP价值评估AA2版得17.6962% 相似待验证在HumanEval、MBPP、GSM8K等基准测试上，Gemma 7B的表现显著优于同参数量级的LLaMA 2 7B和Mistral 7B60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042455API
curl https://kongchang.com/api/v1/knowledge/claims/1042455MCP
get_claim(id=1042455)