待验证50% 置信事实精确时间
垂直基准包括HumanEval/MBPP（代码）、MATH/GSM8K（数学推理）、MMLU（多学科知识）
1
来源数
50%
置信度
长期有效
时效性
2026/9/24
首次发现
来源
涉及实体
相关事实
待验证DeepSpec配套九个评测基准，涵盖数学推理（GSM8K、MATH-500）、代码生成（HumanEval、MBPP、LiveCodeBench）和通用对话（MT-Bench、Alpaca、Arena-Hard v2）72% 相似待验证综合智能指数常见子基准包括 MMLU、HumanEval、MBPP、MATH、GSM8K、GPQA 和 LongBench71% 相似待验证DeepSeek Coder以DeepSeek Math为底层基础，DeepSeek Math在MATH、GSM8K等数学基准上表现优异59% 相似待验证DeepSeek-Coder-V2 在 HumanEval 等代码评测榜上长期位居前列59% 相似待验证技术栈层次为：DeepAgent基于Agent，Agent底层是LangGraph，LangGraph驱动LLM59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/947545API
curl https://kongchang.com/api/v1/knowledge/claims/947545MCP
get_claim(id=947545)