待验证50% 置信事实精确时间
GLM系列来自清华大学KEG实验室与智谱AI，采用不同于GPT自回归的自回归填空预训练目标
1
来源数
50%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
已验证GLM采用了独特的自回归填空预训练范式，与GPT的纯自回归和BERT的纯掩码语言模型都有所不同81% 相似待验证学术界多项研究表明GPT-4、LLaMA等主流模型在MMLU、HumanEval、GSM8K等榜单上的高分有相当比例来自训练集与测试集内容重叠70% 相似待验证GPT 系列、Llama 等模型的核心能力绝大部分来自预训练而非后续微调阶段70% 相似待验证GLM基于自回归空白填充预训练，融合了BERT的双向理解能力与GPT的生成能力，通过二维位置编码区分原始序列位置与空白内部位置69% 相似已验证GPT-5.5的Pass@1提升主要来源于更大的预训练数据规模、更精细的RLHF对齐以及改进的指令遵循能力68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/516315API
curl https://kongchang.com/api/v1/knowledge/claims/516315MCP
get_claim(id=516315)