待验证50% 置信事实精确时间
一项研究系统测试了29个开源模型(参数范围1B到122B),覆盖十个基准任务以及百万token级别的针检索任务。
1
来源数
50%
置信度
长期有效
时效性
2026/11/18
首次发现
来源
涉及实体
相关事实
待验证实验规模为 1,350 个测试单元,交叉了 20B 与 120B 两档 gpt-oss 模型、三种 Agent 框架(自研 plan-and-execute、OpenAI Agents SDK、LangChain)和三类故障条件。76% 相似待验证研究团队构建了涵盖 10 个分析类别的 300 个问题基准,并测试了 9 个本地开源模型。76% 相似待验证一项针对LLM底层编程能力的基准测试构建了15个专门针对底层任务的测试用例,覆盖自定义内存管理、基础操作系统内核循环、重度数据排序数组处理三大场景76% 相似待验证研究者构建了名为 ALIGNMENTFORECASTBENCH 的基准测试集,覆盖超过5000个预测问题、17个目标模型、32个数据集和16种失效模式76% 相似待验证实验对15个前沿模型进行了测试76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1182457API
curl https://kongchang.com/api/v1/knowledge/claims/1182457MCP
get_claim(id=1182457)