待验证50% 置信基准精确时间
ABACUS程序在三个BIG-Bench Hard任务上达到99.67%的宏平均准确率。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/20
首次发现
有效期至：2026/11/3
来源
涉及实体
相关事实
待验证Precision Mode 在一组涵盖约9,000份复杂文档的基准测试中达到了94.7%的提取准确率68% 相似待验证Top3配置取得准确率97.148%、加权F1 97.055%、MCC 0.9675，全面超越使用全部21个指标的Full21配置（准确率95.999%、加权F1 95.521%、MCC 0.9549）66% 相似待验证Bullet 在 SWE-bench Verified 基准测试中取得 95.8% 的成绩，位列前三，平均每个任务耗时 119 秒66% 相似待验证Unsloth发布的QWEN 3 235B的1-bit构建宣称保留77%精度，但在长任务上实际得分只有8%66% 相似待验证完整系统在六个由仿真器衍生的报告字段上达到了77.3%的准确率65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073918API
curl https://kongchang.com/api/v1/knowledge/claims/1073918MCP
get_claim(id=1073918)