待验证50% 置信基准精确时间
据论文报告，GPT-4o在Earth-Bench基准上的基线准确率为49.3%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/4
首次发现
有效期至：2027/2/2
来源
涉及实体
相关事实
待验证在Earth-Bench和DisasterM3-Reason两个基准测试上，搭载GPT-4o的OSGR将准确率从49.3%提升至63.7%。77% 相似待验证在GPT-4发布初期，主流模型在GPQA上的准确率约为35-40%，人类领域专家基准线约为65%，随机猜测为25%76% 相似待验证搭配 GPT-4o 时，FinDialogLens 在成交结果判定上达到 94.3% 准确率73% 相似待验证据JudgeBench研究，GPT-4o在打分时，凡它自己答对的题目，与专家的一致性达到0.78（Cohen's κ）；而它答错的题目，一致性骤降到0.30。72% 相似待验证该研究发现GPT-4在判断素数任务上的准确率从2023年3月的97.6%骤降至6月的2.4%71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1133988API
curl https://kongchang.com/api/v1/knowledge/claims/1133988MCP
get_claim(id=1133988)