待验证50% 置信权衡取舍精确时间

综合指数在模型某几项任务大幅提升、另几项原地踏步时，分数变化会被平均掉，无法反映真实的任务级能力差异

1

来源数

50%

置信度

长期有效

时效性

2026/9/29

首次发现

来源

GPT-6 Sol和Luna降价一半，为何榜单没涨？

涉及实体

综合指数concept

相关事实

已验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减75% 相似待验证过度扩展倾向在复杂后端任务中可能是优势，但在需要精确、克制修改的场景下会拉低整体得分74% 相似待验证通用评测分数接近的大模型在特定垂直任务上可能表现差异巨大74% 相似待验证聚合指标（如多任务平均分）天然具有稀释失败的能力，当较简单任务占多数时平均分可以掩盖模型在少数高难度任务上的显著退化73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/958980

API

curl https://kongchang.com/api/v1/knowledge/claims/958980

MCP

get_claim(id=958980)