Unverified50% confidenceBenchmarkExact time
Brown等人2020年的GPT-3论文发现仅通过改变提示格式，同一模型在标准基准测试上的表现可相差30%以上
1
Sources
50%
Confidence
Long-term
Relevance
7/16/2026
First Seen
Sources
Related Claims
Unverified微软的Phi-3仅3.8B参数但在多项基准测试中性能媲美早期GPT-4级别的模型70% similarUnverified在GPT-4发布初期，主流模型在GPQA上的准确率约为35-40%，人类领域专家基准线约为65%，随机猜测为25%66% similarUnverified千问3的235B参数MoE旗舰版在多项权威基准测试中接近甚至超越闭源顶级模型66% similarUnverified在Artificial Analysis第三方评测的编码指数（推理模式）上，GPT-5 Mini High的得分比Haiku 4.5高出9个点63% similarUnverified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%63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/530353API
curl https://kongchang.com/api/v1/knowledge/claims/530353MCP
get_claim(id=530353)