待验证50% 置信基准精确时间
在 MBPP（Evalplus 版本）上，扩展词表模型的得分从 65.3% 略微下降到 64.6%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/23
首次发现
有效期至：2027/1/21
来源
涉及实体
相关事实
待验证据直播中展示的官方说明，K3.1在金融类任务的模型幻觉率下降约65%。63% 相似待验证在 MBPP 上，只有 10 道题匹配到已移除数据，而两次原始数据运行相差 11 题；已发布的 38.9% 最好理解为一次幸运的随机种子，MBPP 上的运行间方差约为 4 分。63% 相似待验证Saluki在MBPP+取得78.0分，多步因果逻辑67.5分，AIME取得80.0分，保留原版82%~85%的数学推理能力61% 相似待验证APRIL在ICBHI数据集上的最终会话平均分为正向64.4%、反向65.4%。61% 相似待验证一项针对GPT-4的研究显示，对MMLU题目进行语义等价改写后，模型准确率在部分子集上下降超过10个百分点61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1091084API
curl https://kongchang.com/api/v1/knowledge/claims/1091084MCP
get_claim(id=1091084)