待验证50% 置信基准精确时间
表现最好的模型在 pass@3 上达到 38.7%，但在 pass^3 上只有 5.9%
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
待验证初代Codex在HumanEval基准测试上的pass@1指标达到28.8%，而直接使用GPT-3仅为0%64% 相似待验证在AIME-2024数学推理基准上，pass@1从0.39提升至0.4960% 相似待验证在自研基准PinBash 3测试中，SOL约得78.6%，TERRA约62.9%，LUNA约44.3%60% 相似待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%59% 相似待验证作为对照的简单三规则基线（3-rule baseline）准确率仅为64.4%，Jev领先约8个百分点59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/975459API
curl https://kongchang.com/api/v1/knowledge/claims/975459MCP
get_claim(id=975459)