待验证50% 置信事实精确时间
研究者构建了 ReGap-Bench，一个包含五类视觉推理任务的配对基准，用于测试外部指称对模型性能的影响。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/30
首次发现
有效期至：2027/1/28
来源
涉及实体
相关事实
待验证LOADBench 的逆尺寸设计任务的评价指标通常包括最终性能达标率、仿真验证通过率以及与真实帕累托前沿的接近程度。71% 相似待验证研究团队设计了五种行为探针，用来测试模型对层级化约束满足的能力70% 相似待验证该研究在ForecastBench风格的二元预测任务上展开实验，将检索证据、推理、参考市场先验、调用历史类比作为可观察的行为来研究70% 相似待验证目前围绕大模型的可解释性工具大致分为注意力可视化、激活探针（probing）、特征归因（如梯度类方法）以及更偏工程侧的日志与追踪。69% 相似待验证Terminal-Bench 的得分受智能体脚手架（scaffold）和重试策略影响较大，跨模型比较需确认评测条件一致。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113905API
curl https://kongchang.com/api/v1/knowledge/claims/1113905MCP
get_claim(id=1113905)