已过期50% 置信基准精确时间
当前评估AGI推理能力更受关注的基准包括ARC（抽象推理语料库）和BIG-Bench Hard
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/16
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/10/14(已过期)
来源
相关事实
已验证ARC-AGI是由AI安全研究员François Chollet设计的专门测量流体智能的基准测试69% 相似待验证图灵测试曾被视为智能的早期判断标准，但学界普遍认为它并不充分，当前更受关注的基准包括ARC和BIG-Bench Hard68% 相似待验证本次评估框架包含 ARC-AGI-V2、SWE-Bench、Terminal Bench 2.0、GPQA 和 MMLU 五项基准测试66% 相似待验证François Chollet强调抽象推理和泛化能力，提出了ARC基准测试作为衡量标准65% 相似待验证更科学的AI效能评估应参考DORA指标体系，结合部署频率、变更前置时间、缺陷逃逸率、代码圈复杂度等多维指标63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/534324API
curl https://kongchang.com/api/v1/knowledge/claims/534324MCP
get_claim(id=534324)