待验证70% 置信事实精确时间

GDPval（General Domain Performance Validation）是一个综合性大语言模型评估基准，涵盖推理、知识问答、代码生成、多语言理解等维度

1

来源数

70%

置信度

长期有效

时效性

2026/5/22

首次发现

来源

Gemini 3.5 Flash在GDPval基准上实现巨大飞跃

twitterOfficialLoganK2026/5/22

涉及实体

相关事实

待验证大模型评测是横跨NLP、工程和统计学的技术复合型岗位60% 相似待验证GNoME采用主动学习策略，迭代式地生成候选、预测稳定性、筛选最有价值结构送入DFT计算验证，再更新模型58% 相似待验证对于大语言模型推理，吞吐通常以 token 数为单位衡量，即 tokens/s 是评估 LLM 推理框架性能的核心指标57% 相似待验证MLflow的评估框架采用了LLM-as-Judge范式，用一个强模型来评判另一个模型的输出56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/40042

API

curl https://kongchang.com/api/v1/knowledge/claims/40042

MCP

get_claim(id=40042)