待验证50% 置信基准精确时间

MMLU评分从GPT-3.5的约70%跃升至GPT-4的86%，再到后续模型逼近90%以上

1

来源数

50%

置信度

长期有效

时效性

2026/8/19

首次发现

来源

老旧LLM会成为怀旧符号吗？AI技术的时代记忆与文化价值

相关事实

待验证GPT-4在2023年初于MMLU上取得86.4%的成绩80% 相似待验证在 MMLU、HumanEval、GSM8K 等主流基准上，开源模型已达到 GPT-4 早期版本 85-95% 的水平77% 相似待验证GPT-5.5在GPQA博士级科学推理基准上从78.5%提升到85.6%74% 相似待验证GPT-4在LeetCode竞赛题上的通过率超过80%73% 相似待验证顶级自回归模型如GPT-4o、Claude 3.5在GSM8K上准确率已超过95%，导致基准饱和72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/774422

API

curl https://kongchang.com/api/v1/knowledge/claims/774422

MCP

get_claim(id=774422)