待验证50% 置信基准精确时间
在Reasoning Gym基准上,使用Gemma-3-4B模型,CRoS在五个未见过的逻辑和游戏数据集上达到了46.8%的准确率,超过了最强基线(43.8%)。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/2
首次发现
有效期至:2027/1/31
来源
涉及实体
相关事实
待验证微调后的Qwen3.5-4B模型在BU Bench V1基准上准确率从15%提升至53%70% 相似待验证在 1,000 个验证案例上,最强 LLM 基线准确率为 62.7%,而 EMBER(73.6%)和 ORBIT(70.9%)表现更优。67% 相似待验证在LongMemEval基准测试中,5个chunk时BM25准确率从78.8%提升到85.2%67% 相似待验证在Llama-3.2-3B上,用CACTUS选出的5%数据微调一个全新的稠密模型,在BIG-Bench Hard上达到49.44%准确率;直接用稠密模型选数据是49.54%;ALPS方法选出的数据只能到47.22%。67% 相似待验证作为对照的简单三规则基线(3-rule baseline)准确率仅为64.4%,Jev领先约8个百分点66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125786API
curl https://kongchang.com/api/v1/knowledge/claims/1125786MCP
get_claim(id=1125786)