待验证50% 置信基准精确时间
GAD-RL在OmniDocBench v1.6上取得91.18的Overall总分
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/1
首次发现
有效期至：2026/12/30
来源
涉及实体
相关事实
待验证在Qwen3.5-2B模型上，GAD-RL在CHAOS-Bench取得59.92%的Micro Recall，分别比GRPO和固定权重的GRPO+OPD高出8.45和4.43个百分点66% 相似待验证在MCP Atlas基准上Glimmer得75.5分，Gemma 4得54.2，Qwen 3.6得62.558% 相似待验证在规则归纳（Rule Induction）任务上，TwIL-LM3 得分96.4，gpt-oss-120b 得分65.257% 相似待验证Grok 4.7在Deep SWE软件工程评测拿到71.0%，TerminalBench 38.0%，在GDPVal评测以1695的Elo仅次于Fable 5.1的173557% 相似待验证表现最佳的Edu-QuRater在还原留出集的GPT-4.1-mini成对判断时平均准确率达到0.91755% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/963915API
curl https://kongchang.com/api/v1/knowledge/claims/963915MCP
get_claim(id=963915)