待验证50% 置信基准精确时间
JevBench中按任务族拆分，时序与数值问题正确率为0/15，长策略判断为4/19。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/18
首次发现
有效期至：2026/11/1
来源
涉及实体
相关事实
待验证研究显示,30B参数模型在复杂推理任务上的成功率比GPT-4/Claude-3.5低15-30个百分点62% 相似待验证在 AgentRewardBench 的 1,302 条专家标注轨迹上，JEV-27B-VL 报告 AUROC 0.91，阈值 0.5 时精确率 78.4、召回率 70.2。62% 相似待验证在本次测试中，Base44 得分 100，从提示词到上线约 3.5 分钟（四款中最快），修复提示词次数为 0，免费套餐消耗 25 条消息额度中的 1 条。62% 相似待验证在题目规模跨越256x的范围内，单次运行的错误判定率几乎不变：T=16时为0.531，T=4096时为0.534。61% 相似待验证在下注尺度调整实验中，Jev 对大注弃牌对手的下注尺度差异为 −54 个百分点，Gemini 为 −33 个百分点，luna 为 +16 个百分点，Haiku 为 +1 个百分点61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1064024API
curl https://kongchang.com/api/v1/knowledge/claims/1064024MCP
get_claim(id=1064024)