待验证50% 置信基准精确时间

测试覆盖了6个模型家族的16个版本，所有模型使用相同的提示词和断言条件接受考核

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/11

首次发现

有效期至：2026/10/25

来源

LLM评测新思路：benchmark高分不等于实际好用

涉及实体

llm-evalution-v01product

相关事实

待验证研究团队对来自六个模型家族的22个开源LLM进行了测试79% 相似待验证KITE在两个模型家族、三种模型规模的七个基准测试中得到验证79% 相似待验证研究在同一测试框架下评估了8个模型76% 相似待验证研究团队选取了8个跨越不同能力层级的模型，在54个基准测试上进行交叉评估71% 相似待验证该研究在三个模型家族和三个封闭式基准测试中展开对比实验70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/998835

API

curl https://kongchang.com/api/v1/knowledge/claims/998835

MCP

get_claim(id=998835)