待验证50% 置信基准精确时间
Mythos在"人类最后的考试（Humanity's Last Exam）"中得分64.7%，远超目前任何公开可用的模型
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/8
首次发现
有效期至：2027/1/6
来源
涉及实体
相关事实
待验证2023年的TruthfulQA基准测试显示，即便是当时最强的模型，在需要精确事实判断的问题上准确率也未超过60%62% 相似待验证Ithaca模型缺失文字预测准确率约62%，人类专家独立完成时约为25%，地理来源推断约71%，年代估算误差中位数约30年61% 相似待验证在HumanEval等专业代码基准测试中，顶尖模型的表现已接近甚至超越人类平均水平58% 相似待验证一条「可信来源」提示能让8个测试模型中的7个翻转45%到88%的正确答案58% 相似待验证RoboDojo具身智能测评显示，最强模型得分仅12.8分（人类基准为100分），仿真成功率不足9%，真机成功率12.8%58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/989591API
curl https://kongchang.com/api/v1/knowledge/claims/989591MCP
get_claim(id=989591)