待验证50% 置信事实精确时间
研究者对九个前沿的（多模态）大语言模型进行了测试，最强系统在100分制下仅获得52.12分。
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
待验证在一项覆盖8个本地模型、超过5000次调用的测试中，提示词的措辞风格（朴素/正常/华丽）对非数学任务的正确率几乎没有影响，8B及以上模型的差异不超过4个百分点。74% 相似待验证该用户指出这些模型在基准测试中拿到很高分数，却在最简单的任务上频频失败72% 相似待验证参数量仅10亿至70亿的小语言模型在特定任务上可以逼近参数量百倍于它的大模型70% 相似待验证对于代码补全、语法检查等结构化任务，7B-13B参数量的小模型可达到90%以上准确率，推理成本仅为顶级模型的1/50甚至更低68% 相似待验证一个拥有1800行测试用例的评估套件长期稳定在97%的聚合通过率，但其中64行多语言切片的通过率只有61%68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073311API
curl https://kongchang.com/api/v1/knowledge/claims/1073311MCP
get_claim(id=1073311)