待验证50% 置信基准精确时间
对照实验显示,向模型提供完整需求后,Seed Evolving 和 GPT-6 Astra 的 F2P 通过率提升了约16个百分点,但完整任务成功率没有任何变化。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/17
首次发现
有效期至:2027/2/15
来源
涉及实体
相关事实
待验证在12个模型×任务组合中,只有 gpt-5.4-mini 在逻辑推理任务上出现统计显著的准确率提升:从15%跃升至97.5%,霍姆校正后 p=0.00056。68% 相似待验证6比特量化在实验中并未损失精度,反而比fp16分别高出+1.8和+0.9个百分点(研究未解释这一现象)。66% 相似待验证在性能模型代码构建任务上,除GPT-5.6 Sol外的其他所有模型配置平均通过率低于15%,且多次运行之间波动极大66% 相似待验证GPT-6 Astra按任务计算的成本比上一代更便宜,因为更强模型用更少步骤和token完成同一任务65% 相似待验证该研究中的迁移实验显示,在同一数据集上微调带来的性能提升范围为+6.8至+23.1个百分点。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1179748API
curl https://kongchang.com/api/v1/knowledge/claims/1179748MCP
get_claim(id=1179748)