待验证50% 置信事实精确时间
EMBER 和 ORBIT 与 LLM 基线对比的 McNemar 检验 p 值分别为 1.3e-9 和 1.5e-6，统计显著。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证在 1,000 个验证案例上，最强 LLM 基线准确率为 62.7%，而 EMBER（73.6%）和 ORBIT（70.9%）表现更优。62% 相似待验证论文指出OpenAI的Navier-Stokes证明中equation 8.19声称某量可被m+4阶导数的范数控制，但Lean代码验证的是被m+5阶导数的范数控制，后者是更弱的结论61% 相似待验证在严格格式评分测试中，TwIL-LM 的 1.7B 模型据称击败了体量是其 5 到 15 倍的模型61% 相似待验证McNemar检验适用于配对二分类数据，本文报告的p=0.00006（三包合计15修复、0破坏）和p=0.03（仅检查包6修复、0破坏）均来自该检验。61% 相似待验证Phi-3-mini（3.8B参数）在部分基准测试上超越了Mixtral 8x7B等更大的混合专家模型60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102190API
curl https://kongchang.com/api/v1/knowledge/claims/1102190MCP
get_claim(id=1102190)