已验证80% 置信事实时间未知

GPT-4、Claude 3.5、DeepSeek等模型在HumanEval编程基准测试上的通过率已超过80%

15

来源数

80%

置信度

中期 (~90 天)

时效性

2026/5/31

首次发现

有效期至：2026/8/29

来源

零代码打造多平台内容分发助手：AI Coding实战

bilibili小弟姚安

涉及实体

GPT-4model Claude 3.5model DeepSeekmodel HumanEvalconcept

相关事实

待验证GPT-4和Claude 3在HumanEval代码基准测试上的pass@1通过率超过85%83% 相似待验证在标准化测试中，GPT-4的表现已超过90%的人类考生79% 相似待验证GPT-4级别的模型作为Judge时，其评判结果与人类专家的一致性超过80%77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/5091

API

curl https://kongchang.com/api/v1/knowledge/claims/5091

MCP

get_claim(id=5091)