待验证50% 置信事实精确时间
BTZSC基准在22个数据集上评估了数十种零样本分类器，覆盖NLI模型、嵌入模型和重排序器，相关论文发表于ICLR 2026
1
来源数
50%
置信度
长期有效
时效性
2026/9/23
首次发现
来源
涉及实体
相关事实
待验证研究团队在共享测试集上评测了有监督信息抽取模型、零样本大语言模型和经过微调的基于LLM的抽取方法三类主流方案66% 相似已验证MMLU评估模型在57个学科领域的知识广度，HumanEval测量代码生成正确率，GSM8K考察数学推理，HELM构建综合多维评估框架62% 相似待验证TREC系列评估主要关注文档检索的相关性排序，BEIR侧重于零样本跨域检索能力的评估61% 相似待验证该研究在两层隐藏层MLP上针对模块化算术任务系统扫描了384种超参数配置61% 相似待验证RULER是2024年由NVIDIA研究团队提出的长上下文评估基准，包含13个合成任务，分为NIAH、Variable Tracking、Common/Frequent Words Extraction及基于SQuAD/HotpotQA的问答四大类61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/945272API
curl https://kongchang.com/api/v1/knowledge/claims/945272MCP
get_claim(id=945272)