待验证50% 置信事实精确时间

Meta 在发布 Llama 2 时的安全报告中承认，安全微调导致模型在某些基准测试上得分出现下降

1

来源数

50%

置信度

长期有效

时效性

2026/9/2

首次发现

来源

本地部署无审查大模型：Ollama选型与硬件配置实战指南

涉及实体

Metacompany Llama 2model

相关事实

待验证基准测试面临饱和（Saturation）和数据污染（Data Contamination）两个系统性挑战，当多个主流模型得分超过95%时测试集失去区分能力65% 相似待验证在MATH数据集的Level 5竞赛级难题上，前沿模型准确率仍低于60%63% 相似待验证2023年的多项Benchmark测试（如HaHackathon数据集）显示，顶级LLM在讽刺识别任务上的准确率仍显著低于普通人类标注者62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/845777

API

curl https://kongchang.com/api/v1/knowledge/claims/845777

MCP

get_claim(id=845777)