待验证50% 置信基准精确时间
在一个编辑基准测试中，同一个 GPT 模型的得分因框架不同从 99% 跌到 70%
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证以GPT-MoE为例，若总专家数为64而每个Token只激活Top-2，则实际计算量与同等规模的Dense模型相比可降低约97%77% 相似待验证一项针对GPT-4的研究显示，对MMLU题目进行语义等价改写后，模型准确率在部分子集上下降超过10个百分点74% 相似待验证在96%的关卡里，GPT-6找到答案所需的尝试次数比普通人还少74% 相似待验证GPT-6 Astra在ARC-AGI类测试中达到接近满分的99.9%，而普通人类测试者平均得分仅为48%72% 相似待验证在专为模型设计的未知规则小游戏测试中，GPT-6拿到99分接近满分，人类最高分只有30多分，其他模型仅在40分左右72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/987301API
curl https://kongchang.com/api/v1/knowledge/claims/987301MCP
get_claim(id=987301)