待验证50% 置信事实精确时间

研究者设计了SCAN、COGS、ARC等测试集来探测组合泛化能力

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

别被骗了：大语言模型并不会真正推理

涉及实体

SCANconcept COGSconcept ARCconcept

相关事实

待验证研究团队开发了ARC-Bench基准测试，专门审计JEPA风格的世界模型是否能正确排序候选动作70% 相似待验证研究覆盖了ARC、GSM8K、HellaSwag、MMLU四大基准测试68% 相似待验证单目方案更适合作为筛查工具快速识别问题路段，再由专业设备复核，而非直接替代高精度测量67% 相似待验证通过分析哪些序列片段被路由到同一批专家，研究者可以获得一定的模型可解释性线索66% 相似待验证研究团队设计了五种行为探针，用来测试模型对层级化约束满足的能力66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/967257

API

curl https://kongchang.com/api/v1/knowledge/claims/967257

MCP

get_claim(id=967257)