待验证50% 置信基准精确时间

放射诊断基准RadO 2.0中，16个AI模型最佳得分758，人类专家基线为988.7

1

来源数

50%

置信度

长期有效

时效性

2026/7/23

首次发现

来源

AI日报：平头哥WAIC开源SAIL软件栈，多款大模型密集发布

相关事实

待验证在该心脏病预测实验中，逻辑回归模型的AUC达到0.8958% 相似待验证ARC-AGI-2由AI安全研究员François Chollet设计，早期GPT-4在该测试上得分不足10%，人类平均得分约85%58% 相似待验证人类在ARC-AGI测试上的平均得分约为85%，而顶尖AI模型长期徘徊在30%-60%区间58% 相似待验证皮尤的ATP设计效应通常在1.5到2.5之间，使得名义样本量1000的调查有效样本量可能只有400-66757% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/597242

API

curl https://kongchang.com/api/v1/knowledge/claims/597242

MCP

get_claim(id=597242)