待验证50% 置信基准精确时间
作者在同一台机器上用 76 个合成病例对比了三个 Gemma 变体：Gemma 4 E4B 达到 97%，Gemma 3 4B 为 78% 并出现 5 次误报，Gemma 4 12B 为 80% 且有 32 次调用超时。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/18
首次发现
有效期至：2027/1/16
来源
涉及实体
相关事实
待验证作者实测对比 Gemma 3 1B 和 4B：1B 在改名场景下写出「应用将重发被搁置的事件」并让发送方去改，两个错误都被检查拦下并回退到规则答案；4B 在笔记本 GPU 上约 16 秒，能准确说出客户、金额和具体字段。69% 相似待验证在留出的复合配方测试集上，LoRA 微调模型抓到 66%，基座 Qwen3.5-4B 模型抓到 78%。69% 相似待验证在 BFCL 工具调用测试中，SmolLM3-3B 得分 0.945，略高于 Gemma 4 E2B 的 0.927，但差异不显著；Qwen3-4B（0.940）、Qwen3-1.7B（0.935）、Qwen2.5-1.5B（0.910）、Granite 3.3 2B（0.920）均与 Gemma 处于同一水平。67% 相似待验证表头识别中改为仅让 Gemma 4 E2B 填补日期、数量、商品三个必需缺口后，12 组表头全部正确、0 错误，但作者提醒同一批数据也用于调试，12/12 应视为乐观估计。67% 相似待验证GSM8K 数学推理测试中，Qwen3-4B 得分为 0.915，Gemma 4 E2B 为 0.911，差异 +0.4 个百分点且置信区间跨零，是唯一与 Gemma 同级别的模型。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1064186API
curl https://kongchang.com/api/v1/knowledge/claims/1064186MCP
get_claim(id=1064186)