待验证50% 置信基准精确时间
论文在六个表格基准数据集上进行了实验，结果显示 BAM 的预测精度与标准 GAM 相当，并接近 GA²M 的水平。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/5
首次发现
有效期至：2027/2/3
来源
涉及实体
相关事实
待验证2023年多项研究揭示部分模型在GSM8K数学基准上的真实能力与其公布分数存在显著落差70% 相似待验证在分布偏移基准上的实验表明，MIRA在准确率、校准性和负对数似然上均有改善。66% 相似待验证在 DeepSeek 真实 LLM 上，研究者在 GSM8K、MATH 和 BBH 三个基准上各取 50 个样本进行评测，GraphEvoResearcher 分别达到 98%、92% 和 82% 的准确率，在所有基线中最高。66% 相似待验证自洽性在GSM8K等数学推理基准上能带来5-20个百分点的提升65% 相似待验证在AG News数据集BERT到DistilBERT蒸馏实验中，可靠性门控关系蒸馏达到94.285±0.054%准确率，RAPID达到94.241±0.025%，均优于交叉熵基线的94.154±0.124%64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1138055API
curl https://kongchang.com/api/v1/knowledge/claims/1138055MCP
get_claim(id=1138055)