待验证50% 置信事实精确时间
GLUE和SuperGLUE基准曾经历快速饱和，模型分数超越人类标注者但不意味着语言理解的真正突破
1
来源数
50%
置信度
长期有效
时效性
2026/8/18
首次发现
来源
相关事实
待验证Google DeepMind近期的研究表明，模型在'理解并修复已有代码'方面的能力增长速度超过了'从零生成正确代码'的能力增长57% 相似部分验证DeepMind的AlphaProof和AlphaGeometry在国际数学奥林匹克竞赛（IMO）级别的问题上展现了强大能力，但本质上是专用系统57% 相似待验证Gemini的Deep Research输出更拟人化，贴近真实表达风格；ChatGPT的Deep Research更工程化，适合结构化工作任务56% 相似待验证2022年以后DeepMind的AlphaProof和各类大语言模型开始将神经网络与符号推理结合56% 相似已验证DeepMind的AlphaProof于2024年将大语言模型与Lean 4结合，通过强化学习在形式化环境中自我博弈生成并验证证明步骤55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/771151API
curl https://kongchang.com/api/v1/knowledge/claims/771151MCP
get_claim(id=771151)