待验证50% 置信基准精确时间

MMLU包含57个学科领域约1.5万道选择题，HumanEval由OpenAI设计包含164道Python编程题，MATH包含12,500道竞赛数学题，GPQA收录研究生级别科学问题

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

「GPT-5.6」真相揭秘：虚假传闻与第三方充值陷阱辨析

bilibili小小阿白6662026/7/9

相关事实

待验证HumanEval包含164道编程题，MBPP包含约500道编程题71% 相似待验证MBPP 收录了 500 道众包编程题，GSM8K 包含 8500 道小学数学应用题（需 2-8 个推理步骤）62% 相似待验证实测中一个伙伴能力工单问了64个问题，整个流程累计超过30个问题60% 相似待验证社区ECC方案包含63个Agent，均为MD文件，其中6个使用Opus做深度推理，55个使用Sonnet做日常任务，1个使用Haiku59% 相似待验证COCO 数据集包含约12万张训练图像、80个类别、超过150万个目标实例，由微软研究院发布58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/472660

API

curl https://kongchang.com/api/v1/knowledge/claims/472660

MCP

get_claim(id=472660)