待验证50% 置信基准精确时间
在 KEEP-Bench 上，最佳开源模型（31B）仅在 66.8% 的案例中保留了所有必需证据。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18
来源
涉及实体
相关事实
待验证在专家评审中，DiscoveryRSI-27B 在假设重要性和‘主张是否可信且有证据边界’两项上得分高于 GPT-6 Luna。57% 相似待验证对于以打标、解析、简单问答为主的自托管负载，一个高质量的 9B-14B 模型完全够用，盲目追求 26B 反而得不偿失57% 相似待验证表现最好的本地模型llama3.1:8b在40道无解题中仍蒙了31道，而Kaggle上每个前沿模型都稳定在5%或以下的虚假自信率57% 相似待验证在DeepSeek官方对比中，使用相同检查点并以最大努力运行时，其最小框架得分72.6，而开源代码得分65.556% 相似待验证一则Reddit技术分享声称，一个仅0.8B参数的模型在ARC-Challenge基准上取得42.15%的成绩，超过未经微调的Qwen3.5-2B基础模型，并优于使用2.5万条数据进行SFT蒸馏的方案56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073300API
curl https://kongchang.com/api/v1/knowledge/claims/1073300MCP
get_claim(id=1073300)