待验证50% 置信事实精确时间
课程重叠型基准Skolprov的增量解释力ΔR²=.128(95% CI [.038,.253]),表明翻译MMLU得分能显著预测该母语基准的表现。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
翻译基准测试能替代母语评测吗?MMLU代理有效性研究
rss2026/10/28
涉及实体
相关事实
待验证代码大语言模型在HumanEval基准测试上的通过率从2022年OpenAI Codex的约47%提升到2024年顶级模型(GPT-4o、Claude 3.5 Sonnet)超过90%62% 相似待验证LCT相比BPE、Unigram、parity-aware BPE,在四个多语言下游基准上的聚合得分分别提升1.48、1.83和2.00分。60% 相似待验证Unsloth公开的UD-Q4_K_XL量化平均KL散度为0.046893,与BF16的top-1一致率为92.255%。60% 相似待验证表现最佳的模型 AfriNLLB-12 在沃洛夫语到阿拉伯语方向取得了 7.76 的 BLEU 分数和 30.72 的 chrF++ 分数60% 相似待验证GLM-5.3的智能体编程准确率随投入词元增加而提升:低投入约24.7,高投入31.5,最大投入34.760% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114311API
curl https://kongchang.com/api/v1/knowledge/claims/1114311MCP
get_claim(id=1114311)