待验证50% 置信决策规则精确时间

LiveNerf的判定标准是：如果Opus 5.5得分偏离超过7.5分，就被视为潜在的能力下降信号

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/28

首次发现

有效期至：2026/12/27

来源

Opus 5.5被悄悄削弱了吗？LiveNerf基准实时追踪模型能力

涉及实体

LiveNerfproduct Opus 5.5model

相关事实

待验证在max模式下GPT-5.6的得分反而略低于ultra，印证了过度思考现象69% 相似待验证在MATH数据集的Level 5竞赛级难题上，前沿模型准确率仍低于60%68% 相似待验证对于类别策略，随着输出分布变得越来越尖锐，其期望的 score-gradient 范数会趋近于零，使得自信但错误的 token 得到的更新最微弱67% 相似待验证作者本次实验使用的DINO loss权重为0.5，并认为该值可能偏高，降低权重是下一步优化的首要方向67% 相似待验证盖洛普民调的标准误差通常控制在±3-4个百分点,置信度达95%66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955019

API

curl https://kongchang.com/api/v1/knowledge/claims/955019

MCP

get_claim(id=955019)