待验证50% 置信事实精确时间

本次评测使用全国一卷高考数学题作为评测基准，数据集包含14道题目

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/8/18

首次发现

有效期至：2026/11/16

来源

Meta Muse Glimmer vs 通义千问：30B开源模型高考数学实测对比

相关事实

待验证评测数据集为JSONLines格式，包含14道高考数学客观题，数学公式采用LaTeX格式，每个模型运行三次65% 相似待验证代码、SQL、数学计算等有标准答案的场景应使用代码断言评测，以单元测试是否全量通过作为成功判定，客观性最强60% 相似待验证锚定样本技术在评估提示词中加入已由人类专家标注明确分数的示例，覆盖评分量表各个档位，可帮助裁判模型准确理解评分标准59% 相似待验证该实测任务共进行四轮，累计调度68个子智能体，完成了数字人写作技能模块的批量提示词测试59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/771366

API

curl https://kongchang.com/api/v1/knowledge/claims/771366

MCP

get_claim(id=771366)