待验证50% 置信事实精确时间
GSM8K 饱和后，社区转向 MATH（竞赛级数学）、GPQA（研究生级科学问答）以及需要执行代码或调用外部工具的 Agent 类评测。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/29
首次发现
有效期至：2027/1/27
来源
涉及实体
相关事实
待验证Google的Gemma家族定位于推理、编码、agent工作流和多模态理解，小模型在机器受限或追求低延迟时尤其有用58% 相似待验证谷歌AI能力分散在Google Research、Google DeepMind以及搜索、助手、云等多条产品线中，旗舰模型发布需协调安全团队、政策合规团队及各业务线集成需求58% 相似待验证GPQA的题目由领域博士生编写并经过交叉验证，具有'Google-Proof'抗检索性设计56% 相似待验证谷歌团队与马里兰大学Matt Landreman教授合作，发现了Grad猜想的一类更广泛反例，为聚变社区提供了测试仿星器模拟代码的基准。56% 相似待验证Google、Meta、Amazon等科技巨头的面试体系采用LeetCode风格题目考察DSA56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1110821API
curl https://kongchang.com/api/v1/knowledge/claims/1110821MCP
get_claim(id=1110821)