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

AI一小时攻克50年图论猜想：提问能力正成为AI时代核心竞争力

相关事实

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/530353

API

curl https://kongchang.com/api/v1/knowledge/claims/530353

MCP

get_claim(id=530353)