待验证60% 置信事实时间未知

GPQA由纽约大学研究团队设计，非专业人士使用搜索引擎答题准确率约34%，领域专家平均得分约65%

2

来源数

60%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Claude 4.5 vs Gemini 3 Pro：编程能力全面对决

bilibiliClaudeEvangelist

涉及实体

GPQAproduct 纽约大学company

相关事实

待验证在 GPQA 上，领域博士生平均正确率约65%，非专家用户约34%84% 相似待验证GPQA 是由纽约大学研究者 David Rein 等人于2023年设计的博士级科学问答基准，含448道题目，领域博士生平均正确率约65%，非专家约34%81% 相似待验证GPQA Diamond由纽约大学研究团队构建，人类专家（博士生）的平均正确率约为65%，非专业人类约为34%79% 相似待验证人类领域专家在 GPQA 上平均约得 65%73% 相似待验证在SuperGPQA基准上，极简基线仅在54.0%题目上首轮正确，职业画像达到71.6%，但该优势来自提示词长度或格式而非领域专业知识66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/4052

API

curl https://kongchang.com/api/v1/knowledge/claims/4052

MCP

get_claim(id=4052)