已过期50% 置信基准精确时间
在MMEB-V2基准的78个任务上,PILOT在2B和7B参数规模下均优于主要基线。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/26
首次发现
此条事实已过期,仅作历史留存,不再代表当前状态
有效期至:2026/11/9(已过期)
来源
涉及实体
相关事实
待验证PILOT在MMEB-V2全部12个任务组均有提升,总体分数分别提高3.2和3.3分(2B和7B规模)。67% 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 7B65% 相似待验证MoE架构中Mixtral 8x7B模型总参数46.7B,但每个token仅激活约12.9B参数(2个专家),推理成本接近13B参数的稠密模型,性能可媲美70B级别63% 相似待验证在全部 38 项基准中,Aplomb 1 在 8 项上拿到 5.3B 以内模型最高分,包括 MMLU-Pro、GPQA Diamond 和 BBH63% 相似已验证模型参数量越大,对量化的鲁棒性越强,使得70B级别模型在4-bit量化后仍能保持接近FP16的性能62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098732API
curl https://kongchang.com/api/v1/knowledge/claims/1098732MCP
get_claim(id=1098732)