待验证50% 置信决策规则时间未知

评估模型实际性能需参考独立基准测试结果，如 MMLU、HumanEval、MT-Bench 等

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Kimi K2：月之暗面开源的大模型系列全解读

githubMoonshotAI

涉及实体

MMLUconcept HumanEvalconcept MT-Benchconcept

相关事实

待验证MMLU、HumanEval、MATH等基准测试用于量化模型能力差异78% 相似待验证编程能力的评估通常参考HumanEval、MBPP、SWE-bench等标准化基准测试，但实际工程场景表现与基准测试结果存在差异75% 相似已验证AI领域模型能力的可信评估依赖标准化基准测试，常见评测集包括MMLU、HumanEval、MATH、GPQA75% 相似待验证MTEB是评估嵌入模型性能的重要参考排行榜73% 相似待验证MMLU、HumanEval、MT-Bench是AI社区广泛认可的标准化基准测试集73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/917441

API

curl https://kongchang.com/api/v1/knowledge/claims/917441

MCP

get_claim(id=917441)