待验证50% 置信基准精确时间
官方披露 d3-ultra 在团队自建的 SR-Text 测试中取得 87.2 的成绩。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/27
首次发现
有效期至：2026/11/10
来源
涉及实体
相关事实
待验证d1-3B在七个公开文本基准上平均得分82.9，在Decision Index v0.2.1公开划分上得分48.57，这些是厂商数据，需独立评测验证。62% 相似待验证官方公布的11项基准中，终端操作测试4.0版从31.2提升到42.3，深度软件工程测试1.1版从74.2提升到77.0，自动化测试达到60.5，智能体终极考试（Agent终极考试）为35.4。61% 相似待验证REA 演示中重写后的函数通过了 3,205 个测试用例，并且编译后的 63 个字节全部一致。61% 相似待验证d1-3B 在文本任务上：SQuAD 2.0 85.3，Civil Comments 93.0，MASSIVE intent 87.3，PubMedQA 66.0，BoolQ 86.7，XNLI 85.0，PAWS-X 76.9，七项平均 82.9。60% 相似待验证在七留出查询的评估中，训练后的IRM在top-1结果上达到4/7正确，恒等变换基线为3/7。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102926API
curl https://kongchang.com/api/v1/knowledge/claims/1102926MCP
get_claim(id=1102926)