待验证50% 置信基准精确时间
在全部 22 项对比中,Ripple-65B 仅在三项排名第一,且在修漏洞标准测试上落后于 500 亿参数的对手。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/8
首次发现
有效期至:2026/11/22
来源
涉及实体
相关事实
待验证在分层抽样的1,000条测试子集上,最强的LLM提示配置准确率为0.477,而微调后的DistilBERT达到0.879。64% 相似待验证pplx-decider-v1-27b 在 11 项基准测试中取得 85.7% 的平均成绩,领先于对比对象 Jev(官方数据)63% 相似待验证DeepSeek V4.1号称SWE拿到74,但博主发现那是多次测试中挑出的最好成绩,open code实测65、PI实测6663% 相似待验证在次要测试中,χ1设为1.03的SPreCap-e03在100层MNIST上取得了5.28%的测试错误率,而SELU为6.36%,Holm校正后的p值为0.0064,15个种子中有13个种子表现更好。63% 相似待验证在SimpleQA基准测试中,gpt-5-thinking-mini拒答52%的问题,错误率为26%。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1147835API
curl https://kongchang.com/api/v1/knowledge/claims/1147835MCP
get_claim(id=1147835)