待验证50% 置信事实精确时间

MIT和斯坦福研究人员2024年的联合研究发现，在MMLU、HellaSwag、ARC等主流基准上超过40%的测试题目在Common Crawl中存在高度相似变体

1

来源数

50%

置信度

长期有效

时效性

2026/7/22

首次发现

来源

Claude Sonnet 5深度实测：基准亮眼却令人失望，不如坚守OPUS 4.8

相关事实

待验证斯坦福大学2023年的研究表明，主流AI检测工具误判率可高达20%以上70% 相似待验证斯坦福、MIT、哈佛与Anthropic研究者联合发表论文指出，由于有限神经元间竞争，参数规模最大的模型在长期竞争中始终占优65% 相似待验证学术研究已证明，同样的问题以不同方式表达，模型的回答准确率可能相差20%以上63% 相似待验证2023年加州大学伯克利分校发布的MT-Bench基准测试发现，顶级大模型作为评判者与人类专家判断一致性可达80%以上63% 相似待验证斯坦福大学2023年的研究表明顶尖LLM在医疗和法律领域的事实性错误率高达20-40%63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/594068

API

curl https://kongchang.com/api/v1/knowledge/claims/594068

MCP

get_claim(id=594068)