待验证50% 置信观点精确时间

Meta在展示OS World榜单成绩时使用了不同时间段的测试集与旧版模型对比，人为放大了进步幅度

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/10

首次发现

有效期至：2026/12/9

来源

Meta Muse Spark 1.3深度评测：顶级代码能力与超低定价的真相

涉及实体

Metacompany OS Worldconcept

相关事实

待验证Meta AI研究显示，通过让模型迭代优化自己的提示词，在某些标准基准测试上性能可提升15-30%，但存在约20%概率陷入退化循环65% 相似待验证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61% 相似待验证传统基准测试如GLUE、SuperGLUE、MMLU在短短几年内就被模型刷出超越人类平均水平的分数58% 相似待验证当多个模型在MMLU、HumanEval等测试中均达到90%以上的正确率时，用户关注点转向推理延迟、服务可用性和总体拥有成本等实操指标53% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/886011

API

curl https://kongchang.com/api/v1/knowledge/claims/886011

MCP

get_claim(id=886011)