待验证50% 置信事实精确时间
PsyAgentBench 研究公开了多达 41,904 次试验数据
1
来源数
50%
置信度
长期有效
时效性
2026/9/22
首次发现
来源
涉及实体
相关事实
待验证研究团队在23,440个评分情节上投入42.57美元进行了大规模实验62% 相似待验证2023年加州大学伯克利分校发布的MT-Bench基准测试发现，顶级大模型作为评判者与人类专家判断一致性可达80%以上59% 相似待验证2024年一项研究对GPT-4在Temperature=0下的代码生成任务进行100次测试，发现约8%的测试用例存在跨次运行的输出差异58% 相似待验证DiscoBench数据集从影视、体育、游戏、学术、金融等11个真实领域收集多跳问答样本，最终生成211个测试样本，包含463个歧义实例56% 相似部分验证测试案例中缓存命中率高达99.7%，约4000万tokens生成量中接近3900万tokens命中缓存55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/939984API
curl https://kongchang.com/api/v1/knowledge/claims/939984MCP
get_claim(id=939984)