待验证50% 置信基准精确时间

一项针对GPT-4的研究显示，对MMLU题目进行语义等价改写后，模型准确率在部分子集上下降超过10个百分点

1

来源数

50%

置信度

长期有效

时效性

2026/7/5

首次发现

来源

GeneBench-Pro：基因组学AI评测基准，科研能力新标尺

rss2026/6/30

相关事实

待验证斯坦福大学2023年研究表明，GPT-4V等多模态模型解析嵌套条件逻辑流程图时，准确率比等效文字描述低约15-25个百分点79% 相似待验证2023年斯坦福大学研究实验证明，当关键信息被放置于输入文档中间位置时，GPT-4的正确召回率相比首尾位置下降约20-30%75% 相似待验证GPT-5.4相对于GPT-5.2，单独声明出错的概率降低了33%，整个回复包含任何错误的概率降低了18%74% 相似待验证大模型推理时实际GPU利用率往往不足10%73% 相似待验证部分模型在MMLU上的得分已超越人类平均水平90%，导致其区分度急剧下降73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/112194

API

curl https://kongchang.com/api/v1/knowledge/claims/112194

MCP

get_claim(id=112194)