待验证50% 置信事实精确时间
当前AI领域广泛使用的benchmark包括代码能力的HumanEval、MBPP,数学推理的GSM8K、MATH,以及综合能力的MMLU等
1
来源数
50%
置信度
长期有效
时效性
2026/9/9
首次发现
来源
涉及实体
相关事实
待验证AI模型能力评估长期依赖MMLU、HumanEval、GSM8K等标准化基准集73% 相似待验证业界常用的AI评测基准包括MMLU、HumanEval、GSM8K等，每个基准只能衡量特定维度的能力73% 相似待验证本地优先架构在AI领域的可行性得益于模型量化技术（GGUF格式、INT4/INT8）和端侧推理框架（llama.cpp、ONNX Runtime、Core ML）的成熟71% 相似待验证MMLU、HumanEval、GSM8K等评测榜单曾是AI模型竞争与公众注意力的焦点69% 相似待验证AI Prep内置了330+个已讲解的概念，覆盖ML基础、深度学习、NLP/LLMs、GenAI、MLOps、AI Agents等领域69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/881627API
curl https://kongchang.com/api/v1/knowledge/claims/881627MCP
get_claim(id=881627)