待验证50% 置信事件精确时间
Mikhail Maslenik 在自己的机器上、用同一模型的量化副本复现了 Tīrtha Bench 的 800 个请求，用伯克利官方检查器评分得到 90.6%，Tīrtha 自己的结果是 91.0%，800 个任务中相差三个。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
涉及实体
相关事实
待验证同一个开放模型 gpt-oss-120b 在同样的 800 个任务上，因四家不同托管商而得到 63.9% 到 78.0% 不等的分数。65% 相似待验证实测数据显示累计输入缓存命中率在修复任务中约为92.5%，网页任务中约为97.8%62% 相似待验证在12个模型×任务组合中，只有 gpt-5.4-mini 在逻辑推理任务上出现统计显著的准确率提升：从15%跃升至97.5%，霍姆校正后 p=0.00056。60% 相似待验证在MNIST CNN任务中，MaRN将可训练参数从107,998个压缩到1,872个（约57.7倍），保持91.80%准确率60% 相似待验证校准（Calibration）指判断者对100件把握为七成的事，恰有约70件发生，则称其校准良好59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1064723API
curl https://kongchang.com/api/v1/knowledge/claims/1064723MCP
get_claim(id=1064723)