待验证50% 置信基准精确时间

最优变体在GSM8K数学推理基准仅下降1.83%，MMLU综合知识基准保持不变

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/20

首次发现

有效期至：2026/10/18

来源

Abliteration技术解析：为Krea 2定制去审查文本编码器

相关事实

待验证接受率随位置逐级衰减：GSM8K从位置0的0.92下滑至约0.53，MTBench从0.78急跌至0.13，因误差在连续猜测中累积70% 相似待验证一项针对GPT-4的研究显示，对MMLU题目进行语义等价改写后，模型准确率在部分子集上下降超过10个百分点69% 相似待验证自洽性在GSM8K等数学推理基准上能带来5-20个百分点的提升68% 相似待验证在MMLU、HumanEval、GSM8K等主流评测中，头部大模型的得分差距往往只有几个百分点68% 相似待验证在GSM8K数学推理基准上，Self-Consistency相比单次贪婪解码可将准确率提升约17个百分点67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/568117

API

curl https://kongchang.com/api/v1/knowledge/claims/568117

MCP

get_claim(id=568117)