待验证50% 置信基准精确时间

论文给出了覆盖三个模型家族四款大模型的基线评测结果

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

让AI读懂司法解释：德国宪法法院句级标注新基准

相关事实

待验证该研究在三个模型家族和三个封闭式基准测试中展开对比实验80% 相似待验证研究团队在专有模型和开源权重模型上使用多种智能体框架进行了广泛评测，最先进模型如GLM-5.2、Claude-Sonnet-4.6等表现仅过半70% 相似待验证研究团队对来自六个模型家族的22个开源LLM进行了测试68% 相似待验证研究团队在三个开放权重模型和五个推理基准上评估了CCPS68% 相似待验证研究提出答案对/错与证据全/缺交叉形成四个象限的声明层面分析框架，能揭示聚合指标掩盖的变化64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946197

API

curl https://kongchang.com/api/v1/knowledge/claims/946197

MCP

get_claim(id=946197)