Unverified50% confidenceFactExact time
METR于2026年2月的更新指出了选择偏差和并行化效应两类测量难题
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
9/23/2026
First Seen
Valid until: 12/22/2026
Sources
Related Entities
Related Claims
Unverified2023年斯坦福的研究指出所谓的涌现能力可能是评估指标选择造成的统计假象64% similarUnverified研究团队指出推理时上下文管理在基准测试中带来的提升幅度超过了大多数已报告的系统间差异62% similarUnverifiedEvolveTrade在大多数被评估的设定中，在夏普比率和累计收益两项指标上超越固定策略的LLM基线62% similarUnverified自2024年下半年以来，主流大模型在MMLU和HumanEval等标准基准测试上的分数提升明显收窄60% similarUnverifiedAnthropic在2023年的论文中系统测量了奉承偏差，发现即便在明显错误前提下多数主流模型仍有相当比例的回复选择顺从用户59% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/943362API
curl https://kongchang.com/api/v1/knowledge/claims/943362MCP
get_claim(id=943362)