待验证50% 置信基准精确时间
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%。
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
待验证据论文报告，GPT-4o在Earth-Bench基准上的基线准确率为49.3%。77% 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70% 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%69% 相似待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%69% 相似待验证在 Automation Bench 中档推理强度下 GPT-6.1 Sol 得分 35.4%，比 Opus 5.5 高 2.2 个百分点，成本为其三分之一68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1133992API
curl https://kongchang.com/api/v1/knowledge/claims/1133992MCP
get_claim(id=1133992)