待验证50% 置信基准精确时间

在GSM8K小学数学应用题基准上，前沿模型的准确率已超过90%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/8/26

首次发现

有效期至：2026/11/24

来源

Claude数学能力深度解析：AI推理的真实边界在哪里

涉及实体

相关事实

待验证在 GSM8K 等数学基准上，PAL 和 PoT 相比纯思维链可将准确率提升 10-20 个百分点71% 相似待验证自洽性在GSM8K等数学推理基准上能带来5-20个百分点的提升70% 相似待验证自我一致性（Self-Consistency）方法由Xuezhi Wang等人提出，在GSM8K等数学推理基准测试中将准确率提升了10%以上69% 相似待验证研究表明经过良好校准的LLM裁判与人工标注的一致性可达80%以上69% 相似待验证当前顶级模型的单步准确率约在90%至95%之间68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/802592

API

curl https://kongchang.com/api/v1/knowledge/claims/802592

MCP

get_claim(id=802592)