已过期80% 置信事实时间未知
在论文分析测试中，GPT-OSS 120B成功检索到Transformer层数等关键信息并发现文中可能存在排版错误，而20B未能给出响应
1
来源数
80%
置信度
中期 (~90 天)
时效性
2026/6/1
首次发现
有效期至：2026/8/30(已过期)
来源
GPT-OSS 120B/20B开源模型深度测评：幻觉、推理、代码全面实测
bilibiliAI超元域
涉及实体
相关事实
待验证2024年一项研究对GPT-4在Temperature=0下的代码生成任务进行100次测试，发现约8%的测试用例存在跨次运行的输出差异65% 相似待验证GPT模型在回忆能力单独测试中表现糟糕，在空间信息、转录内容、物理实验等所有类别上仅约50%事实被正确回忆，开源模型更差64% 相似待验证GPT-4V、Gemini 等大模型在工业缺陷检测、病理切片分析等垂直领域的零样本检测精度在 mAP 指标上与专用模型存在 20-40 个百分点的差距64% 相似待验证GPT-5.4相对于GPT-5.2，单独声明出错的概率降低了33%，整个回复包含任何错误的概率降低了18%63% 相似待验证一项针对GPT-4的研究显示，对MMLU题目进行语义等价改写后，模型准确率在部分子集上下降超过10个百分点63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/23229API
curl https://kongchang.com/api/v1/knowledge/claims/23229MCP
get_claim(id=23229)