待验证50% 置信基准精确时间
在长上下文测试GraphWalks中,Neon得分95.2%,Opus仅66.8%。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/19
首次发现
有效期至:2026/12/3
来源
涉及实体
相关事实
待验证在单隐变量消融实验中,梯度预测的符号与真实符号一致的比例达到 91%–97%,而探针暗示的变化方向只有 17%–35% 是对的。67% 相似待验证Artificial Analysis页面显示,Neon最高档模式下提问后56.51秒才出现第一个字,性能排名在95个模型中仅第73。66% 相似待验证配对自助法(paired-bootstrap)95%置信区间下界分别为5.0和3.1个百分点,均为正,表明提升具有统计显著性。66% 相似待验证在时间分割测试集(来自655项试验的878个对比)上,基于注册数据训练的梯度提升模拟器消除了简单基线约五分之一的误差。65% 相似待验证测试中出现模型自称某步有95%把握但按评分标准得0分的案例64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1188108API
curl https://kongchang.com/api/v1/knowledge/claims/1188108MCP
get_claim(id=1188108)