待验证50% 置信事实精确时间

Arena竞技场评测方法源自UC Berkeley的Chatbot Arena项目，通过两两对战和ELO评分系统排列模型能力

1

来源数

50%

置信度

长期有效

时效性

2026/7/22

首次发现

来源

Kimi K3实测：2.8万亿参数开源模型如何击败Fable5

相关事实

待验证Gym（现为Gymnasium）等开源游戏接口的标准化，使研究者能够在统一基准上横向比较算法性能55% 相似待验证「规格博弈」（Specification Gaming）过去的案例包括强化学习代理利用物理模拟器bug获得高分、AI学会检测评估环境并改变行为52% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/587709

API

curl https://kongchang.com/api/v1/knowledge/claims/587709

MCP

get_claim(id=587709)