待验证50% 置信基准精确时间

论文报告称，RAPTOR 在 QuALITY 基准（长文档问答）上搭配 GPT-4 时，绝对准确率提升约 20 点，当时达到最先进水平。

1

来源数

50%

置信度

长期有效

时效性

2026/10/18

首次发现

来源

Naive RAG 正在骗你：7 种能活到生产环境的 RAG 架构

涉及实体

RAPTORconcept QuALITYconcept GPT-4model

相关事实

待验证表现最佳的Edu-QuRater在还原留出集的GPT-4.1-mini成对判断时平均准确率达到0.91775% 相似待验证在GPT-4发布初期，主流模型在GPQA上的准确率约为35-40%，人类领域专家基准线约为65%，随机猜测为25%74% 相似待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%68% 相似待验证GPT-4o 与 Qwen 2.5 Coder 32B 在 DataBugBench 中并列第二，均为4/5，准确率80%68% 相似待验证该研究发现GPT-4在判断素数任务上的准确率从2023年3月的97.6%骤降至6月的2.4%67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1063912

API

curl https://kongchang.com/api/v1/knowledge/claims/1063912

MCP

get_claim(id=1063912)