待验证50% 置信事实精确时间
研究者利用形式语法透镜基准测试了GPT-5.5及其Pro-Medium、Pro-High、Pro-XHigh等推理等级变体，发现模型对测试数据的接受率随推理等级提升而递增。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至：2027/2/1
来源
涉及实体
相关事实
已验证基准测试倾向于评估模型知道多少，而非能带来多少认知增量72% 相似待验证研究团队使用了卡方检验、Kruskal-Wallis检验以及带Bonferroni校正的多项逻辑回归来检验应用间差异的统计显著性69% 相似待验证不同推理等级本质上是产品层面暴露的测试时计算预算档位：等级越高，模型在给出最终答案前允许消耗的思考token或步骤越多。69% 相似待验证准确的基准测试对比分析可能直接影响企业在GPT-4o、Claude、Gemini或开源模型之间的选型，进而关系到数十万美元的API成本和产品性能68% 相似待验证实验表明，射线覆盖的几何结构可以解释很大一部分正确分类的测试输入，以及对抗样本、错误标注样本甚至分布外（OOD）样本的预测行为。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129294API
curl https://kongchang.com/api/v1/knowledge/claims/1129294MCP
get_claim(id=1129294)