待验证50% 置信事实精确时间

评测覆盖MMLU-Pro、GPQA Diamond、GSM8K、德语MGSM和IFEval五个基准

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

Qwen Flash Next IQ4量化实测：低量化真的不如FP8吗？

涉及实体

MMLU-Proconcept GPQA Diamondconcept GSM8Kconcept MGSMconcept IFEvalconcept

相关事实

待验证GPQA Diamond是测试研究生级别科学推理能力的基准，普通人类表现约35%，顶级闭源模型在60-75%区间66% 相似待验证MMLU涵盖57个学科的多项选择题，GPT-4在此测试上首次突破86%的人类专家水平58% 相似待验证在HumanEval、MBPP、GSM8K等基准测试上，Gemma 7B的表现显著优于同参数量级的LLaMA 2 7B和Mistral 7B58% 相似待验证GLM4在World of AI基准测试工具中排名第五57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949596

API

curl https://kongchang.com/api/v1/knowledge/claims/949596

MCP

get_claim(id=949596)