待验证50% 置信基准精确时间
schemagate benchmark 的配对 McNemar 检验，Spider 上 p 值约 1e-49，BIRD 上约 1e-36。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证微调后的406M模型在测试集上取得36.33 ROUGE-1，作者自建的1.2B系统为35.41 ROUGE-1，两者在统计意义上无法被区分61% 相似待验证在 schemagate 的 benchmark 中，Spider 数据集 1034 个问题上纯数学排序准确率为 80.3%，重排序后为 96.5%；BIRD 数据集 1534 个问题上纯数学排序为 88.6%，重排序后为 96.7%。61% 相似待验证自研W4内核的困惑度（probe ppl）为15.76，优于bitsandbytes NF4的18.98。59% 相似待验证在 LocalLLaMA/typed-decisions 排行榜上，aplomb-1 与 Darwin-27B-ZTC 并列第二，得分均为 0.74；ProKope-421M-8K 得 0.72，ProKope-421M 得 0.71，typed-decisions-minilm-l6-specialist 得 0.61。56% 相似待验证作者在完整MNIST基准上测试了从D=7,850到D=4,203,522（约420万参数）的多种视觉架构。55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1049520API
curl https://kongchang.com/api/v1/knowledge/claims/1049520MCP
get_claim(id=1049520)