待验证50% 置信基准精确时间
Brown等人2020年的GPT-3论文发现仅通过改变提示格式，同一模型在标准基准测试上的表现可相差30%以上
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
待验证微软的Phi-3仅3.8B参数但在多项基准测试中性能媲美早期GPT-4级别的模型70% 相似待验证在GPT-4发布初期，主流模型在GPQA上的准确率约为35-40%，人类领域专家基准线约为65%，随机猜测为25%66% 相似待验证千问3的235B参数MoE旗舰版在多项权威基准测试中接近甚至超越闭源顶级模型66% 相似待验证在Artificial Analysis第三方评测的编码指数（推理模式）上，GPT-5 Mini High的得分比Haiku 4.5高出9个点63% 相似待验证初代Codex在HumanEval基准测试上的pass@1指标达到28.8%，而直接使用GPT-3仅为0%63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/530353API
curl https://kongchang.com/api/v1/knowledge/claims/530353MCP
get_claim(id=530353)