待验证50% 置信事实精确时间
研究者在三个Pythia模型（最大为pythia-160m）的五个公开TopK SAE对上进行了实验。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证基准测试涵盖来自6个实验室的9款模型，包括Qwen3 235B、Claude Haiku 4.5、Claude Opus 5.5、Gemini系列、GPT-5.4系列、GLM-5和Grok 4.20，其中4款是推理模型56% 相似待验证研究团队在23,440个评分情节上投入42.57美元进行大规模实验，采用预注册的3模型×3随机种子网格实验，涉及GPT-4.1和Claude Haiku 4.553% 相似已验证据 OpenAI 公布的数据，在 Agents Last Exam 基准测试中，中等推理强度下 GPT-6.1 Terra 得分 57.6%，GPT-5.6 Terra 得分 42.6%，提升了 15 个百分点。52% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129397API
curl https://kongchang.com/api/v1/knowledge/claims/1129397MCP
get_claim(id=1129397)