待验证50% 置信基准精确时间
论文声称在八个自回归和扩散语言模型开发环境中，LM2LM使Qwen3.8-27B的性能超越了GPT-6-sol，即使后者在上下文中获得了300条真实实验记录。
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
LM2LM：语言模型学会自我改进，开启递归自我提升新路径
rss2026/10/16
涉及实体
相关事实
待验证在Artificial Analysis基准中，Qwen 3.8逼近甚至超过了GLM 5.2 Max、Kimi K3和GPT 5.6等体积更大的模型70% 相似待验证Qwen2.5-7B-Instruct 在多项中文基准测试上的表现接近甚至超过早期 70B 级别的模型68% 相似待验证从 Qwen3.8-27B 收集了 3189 条成功的 rollout 数据做监督微调（模仿学习），性能停滞在 47.5%，低于两次 RL 训练的成绩68% 相似待验证Qwen2.5-Coder 系列由阿里巴巴通义实验室出品，其32B参数版本在多项指标上超越了GPT-4o68% 相似待验证Llama 3.1 405B在MMLU上的得分已接近GPT-4o的水平，Qwen 2.5 72B在数学和代码生成基准上某些指标超越了GPT-4 Turbo67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069680API
curl https://kongchang.com/api/v1/knowledge/claims/1069680MCP
get_claim(id=1069680)