待验证50% 置信事实精确时间
MMLU和HellaSwag等早期基准主要考察模型的知识储备与语言理解能力
1
来源数
50%
置信度
长期有效
时效性
2026/7/23
首次发现
来源
相关事实
待验证现代NLP已从早期基于规则的分词和词性标注演进到基于深度学习的语义理解65% 相似待验证ML理论知识通常以斯坦福CS229、Andrew Ng的Machine Learning专项课程为参考体系63% 相似待验证教材知识编排应先学传统机器学习再学深度学习，因为传统ML帮助建立特征工程、模型评估、偏差-方差权衡等核心概念直觉63% 相似待验证HKUDS团队在推荐系统、图神经网络和大语言模型领域有学术积累62% 相似已验证2020年OpenAI研究人员Kaplan等人发表论文首次系统性揭示语言模型性能与模型参数量、训练数据量、计算量之间存在可预测的幂律关系（Scaling Law）61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/598815API
curl https://kongchang.com/api/v1/knowledge/claims/598815MCP
get_claim(id=598815)