待验证50% 置信事实精确时间
该框架应用于六个7-9B指令微调模型（三个通用：Mistral-7B、Phi-3.5-mini、Llama-3.1-8B；三个医学适配：BioMistral-7B、OpenBioLLM-Llama3-8B、Med42-Llama3-8B），在K-QA基准的200个真实患者问题上测试。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证基准测试涵盖来自6个实验室的9款模型，包括Qwen3 235B、Claude Haiku 4.5、Claude Opus 5.5、Gemini系列、GPT-5.4系列、GLM-5和Grok 4.20，其中4款是推理模型69% 相似待验证测试覆盖8个本地模型：Qwen3的0.6B、1.7B、4B、8B、14B，以及Gemma3的1B、4B、12B，全部通过Ollama部署且关闭思考模式。68% 相似待验证数据集涵盖四个开源权重模型Qwen2.5-7B、Mistral-7B-v0.3、Phi-3.5-mini和Qwen2.5-1.5B，各30条轨迹68% 相似待验证Mistral 7B证明精心训练的7B模型可以匹敌早期的13B甚至30B模型63% 相似待验证在HumanEval、MBPP、GSM8K等基准测试上，Gemma 7B的表现显著优于同参数量级的LLaMA 2 7B和Mistral 7B63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074882API
curl https://kongchang.com/api/v1/knowledge/claims/1074882MCP
get_claim(id=1074882)