待验证50% 置信事实精确时间

研究者收集了四个前沿模型的4,249次运行轨迹，以及26个模型的4,486次额外试验。

1

来源数

50%

置信度

长期有效

时效性

2026/10/20

首次发现

来源

ProteinGeoBench：前沿智能体擅长结构查询，却迷失于几何计算

涉及实体

ProteinGeoBenchconcept

相关事实

待验证仅使用约1000个‘有时做对、有时做错’的边缘任务训练大半天后，4B模型追回了与27B模型超过一半的差距。67% 相似待验证Chinchilla论文通过对超过400个不同规模模型的系统性实验得出结论66% 相似待验证在基准测试的 60 次运行中，提前终止条件被触发了 27 次，包括 21 次检测到缺乏进展和 6 次模型提供者不可用。66% 相似待验证实验中4B模型训练前正确率约五成，27B模型达到七成五以上。65% 相似待验证该基准测试使用10篇200到250词的原创短文档，埋入18处异常，共37个评分条目（18脏19净），测试13个模型，每个模型74条prompt65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073464

API

curl https://kongchang.com/api/v1/knowledge/claims/1073464

MCP

get_claim(id=1073464)