已验证75% 置信基准精确时间
HumanEval由OpenAI设计，包含164道Python编程题；GSM8K包含8500道小学数学应用题；MMLU涵盖57个学科领域的选择题
5
来源数
75%
置信度
长期有效
时效性
2026/7/5
首次发现
来源
xAI开放合作策略解读：马斯克如何构建AI生态版图
twitternickscamara_2026/6/23
相关事实
已验证HumanEval由OpenAI提出，包含164道Python编程题，主要测试函数级别的代码生成能力75% 相似待验证GSM8K是由OpenAI发布的小学数学应用题基准，包含约8500道需要多步推理的文字题72% 相似待验证HumanEval由OpenAI设计，包含164道代码补全题目，考察模型将自然语言转化为可运行代码的能力69% 相似部分验证OpenAI公开发布了722篇AI生成的数学手稿，覆盖372个结果族，来自对内部模型约4000个数学研究问题的测试64% 相似待验证HackingFace项目将OpenAI近期公开的形式化数据显示整理成包含369个任务和405道数学题的开源强化学习环境，配有Linux自动判分器。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/112328API
curl https://kongchang.com/api/v1/knowledge/claims/112328MCP
get_claim(id=112328)