待验证50% 置信事实精确时间
在工单分类例子中，每月五万张工单，排行榜冠军模型和蒸馏版“flash”模型对明显工单的标注结果完全一致。
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GDPVal基准测试覆盖44个职业和9大行业，任务直接来源于真实职场场景68% 相似待验证该模型在面向真实工作场景的Values Index评测中排名榜首60% 相似待验证测试设计了50个可自动校验的任务，分为数学多步计算、从订单备注提取JSON、分类支持工单、条件过滤并排序、严格格式写作五类，每类10题，每题均有标准答案。59% 相似待验证研究团队构建了新评测集MegaRCA-Mix，包含50个人工标注的失败案例，覆盖长周期、执行密集型任务57% 相似待验证美国联邦层面常见的工人分类测试是经济现实测试（Economic Reality Test），考察工人对平台的经济依赖程度57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1066556API
curl https://kongchang.com/api/v1/knowledge/claims/1066556MCP
get_claim(id=1066556)