待验证50% 置信基准精确时间
在Artificial Analysis的AA-Omniscience基准测试（对错误答案扣分）中，最高分从发布时的4.8提升到了目前的46。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/17
首次发现
有效期至：2027/1/15
来源
涉及实体
相关事实
待验证在LongMemEval基准测试中，5个chunk时BM25准确率从78.8%提升到85.2%74% 相似待验证d1-3B在七个公开文本基准上平均得分82.9，在Decision Index v0.2.1公开划分上得分48.57，这些是厂商数据，需独立评测验证。74% 相似待验证本地运行的Gemma 26B在453次评分预测中准确率仅为49.2%，其配对的永远说涨基准准确率为53.4%72% 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17.6971% 相似待验证GLM-5.3的智能体编程准确率随投入词元增加而提升：低投入约24.7，高投入31.5，最大投入34.769% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1053894API
curl https://kongchang.com/api/v1/knowledge/claims/1053894MCP
get_claim(id=1053894)