待验证50% 置信基准精确时间

在提示词中明确指定目标语言（L3 prompts）的条件下，GLM-5.1生成正确率达72.29%，而Llama-3.3 70B仅24.24%

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

识别却不会生成：LLM在文化亲属称谓上的评估盲区

涉及实体

GLM-5.1model Llama 3.3 70Bmodel

相关事实

待验证通义千问3.6 27B在语义三次全对率和格式正确率上均领先Muse Glimmer75% 相似待验证在规则归纳（Rule Induction）任务上，TwIL-LM3 得分96.4，gpt-oss-120b 得分65.271% 相似待验证在吞吐量方面，TwIL-LM3 达到 32.9 answers/sec，gpt-oss-120b 为 12.6 answers/sec69% 相似待验证GLM4在代码推理和通用知识测试中得分74.4%，仅次于Claude 3 Opus68% 相似待验证Llama 3.3 70B的亲属称谓选择正确率为77.92%，生成正确率仅24.24%68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946160

API

curl https://kongchang.com/api/v1/knowledge/claims/946160

MCP

get_claim(id=946160)