待验证50% 置信事实精确时间
GAIA题目对人类来说相对简单，人类平均正确率约92%，但对顶级AI模型极具挑战性
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
Rust AI Agent实战：GAIA基准测试揭示大模型能力天花板
bilibili软件工艺师2026/7/10
相关事实
待验证在AI作品占比不高（如仅5%）的场景下，即使检测准确率达90%，被标记的作品中超过三分之二实际上是人类创作，这属于贝叶斯推理中的基准率谬误69% 相似待验证人类在ARC-AGI测试上的平均得分约为85%，而顶尖AI模型长期徘徊在30%-60%区间69% 相似待验证在简单视觉感知任务上，普通人类能达到90%以上准确率，而多数SOTA模型只有50%甚至更低67% 相似待验证基准过拟合是当前大模型评估的核心问题，部分模型在HumanEval上达到90%以上通过率但在真实代码库中表现远不如预期66% 相似待验证2023年人类在GAIA测试中的平均成功率约为90%，而当时最强的GPT-4在Level 1上仅勉强达到15%66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489029API
curl https://kongchang.com/api/v1/knowledge/claims/489029MCP
get_claim(id=489029)