待验证50% 置信基准精确时间

大语言模型在GSM8K、MATH等数学基准测试上的得分率从最初不到50%提升至90%以上

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

OpenAI攻克千禧难题引发学术争议

涉及实体

GSM8Kconcept MATHconcept

相关事实

待验证在GSM8K小学数学应用题基准上，前沿模型的准确率已超过90%77% 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74% 相似待验证在 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% 相似待验证所有反审查模型变体与基础模型在GSM8K数学推理测试中的差距都在1.2个百分点以内70% 相似待验证MATH基准的得分在2023-2024年间从约50%飙升至90%以上，GSM8K上顶级模型已接近满分69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/891779

API

curl https://kongchang.com/api/v1/knowledge/claims/891779

MCP

get_claim(id=891779)