待验证50% 置信基准精确时间

MATH基准的得分在2023-2024年间从约50%飙升至90%以上，GSM8K上顶级模型已接近满分

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/8/8

首次发现

有效期至：2026/11/6

来源

OpenAI数学突破引争议：专家质疑研究不端行为

相关事实

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73% 相似已验证2024年顶级模型在SWEbench-Verified上的通过率约为50-70%72% 相似待验证2023年初主流模型的SWE-bench得分普遍低于5%，到2025年中顶级模型已突破70%70% 相似待验证顶尖模型在SWE-bench上的解题率从2023年的不足5%跃升至2025年的30%以上66% 相似待验证当前顶级模型的单步准确率约在90%至95%之间63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/706719

API

curl https://kongchang.com/api/v1/knowledge/claims/706719

MCP

get_claim(id=706719)