Unverified50% confidenceFactExact time
研究团队对来自六个模型家族的22个开源LLM进行了测试
1
Sources
50%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Unverified团队为配置文件写入机制新增了 21 个测试用例72% similarUnverifiedOpenAI发布GeneBench Pro研究基准测试，包含129个评估任务，涵盖10个主要领域和21个细分方向，前沿模型最高得分31.5%64% similarUnverified在实际测试中，一次Deep Research调用了104个智能体进行定向调研，基于22个来源、59条声明完成了事实核查63% similarUnverified团队在项目期间经历四五次模型迭代，每次都发现模型能力越强从验证循环中获得的收益越大，对验证循环的需求是更持久的底层规律62% similarUnverified建立私有金丝雀测试集，在每次模型版本切换时系统性运行对比测试，比通用基准测试更能捕捉影响生产的退化信号61% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/893420API
curl https://kongchang.com/api/v1/knowledge/claims/893420MCP
get_claim(id=893420)