待验证50% 置信基准精确时间

将模型规模放大约十万倍，基础LLM在ARC上的成绩只从0%提升到约10%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/6

首次发现

有效期至：2027/1/4

来源

从直觉到推理：LRM与传统LLM的范式之变

涉及实体

大语言模型concept ARCproduct

相关事实

待验证高级模型每个token的折算比率往往比基础模型高出5到20倍71% 相似待验证同等规模甚至更小的LRM已经将ARC 1基准刷满（saturate），准确率接近100%71% 相似待验证基础LLM在ARC 1上的表现至今仍停留在约10%-15%68% 相似待验证Scale AI的研究团队发现，部分模型在被污染的基准上的表现比在新编写的同等难度题目上高出10-15个百分点66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/980203

API

curl https://kongchang.com/api/v1/knowledge/claims/980203

MCP

get_claim(id=980203)