待验证50% 置信事实精确时间
一项针对西班牙MIR住院医师考试的研究使用了四个8亿至270亿参数的开源模型，按考试自身规则对八届共1552道题进行了评分。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
待验证测试样本覆盖新闻报道和科学摘要，调用的模型参数量从38亿到7530亿不等。72% 相似待验证Artificial Analysis 运行 Qwen3.8-27B 索引消耗了 1.6 亿输出 token，而同类开源权重模型的中位数是 4300 万，表明该模型默认推理冗长。67% 相似待验证该实验在400个样本上展开，数据来源于MuSiQue、HotpotQA和2WikiMultiHopQA三个多跳问答数据集67% 相似待验证Mixtral 8x7B 总参数量约 467 亿，但每次推理只激活 2 个专家，实际计算量相当于约 130 亿参数的模型67% 相似待验证一项研究在四个公开教育数据集上评估了六种知识追踪模型，并测试了从0.50到0.99共12个阈值档位67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1088172API
curl https://kongchang.com/api/v1/knowledge/claims/1088172MCP
get_claim(id=1088172)