待验证50% 置信事实精确时间
Meta 在发布 Llama 2 时的安全报告中承认，安全微调导致模型在某些基准测试上得分出现下降
1
来源数
50%
置信度
长期有效
时效性
2026/9/2
首次发现
来源
涉及实体
相关事实
待验证Meta在LLaMA 3的发布上采用了相对低调的策略，在确认性能达标后快速公开70% 相似待验证基准测试面临饱和（Saturation）和数据污染（Data Contamination）两个系统性挑战，当多个主流模型得分超过95%时测试集失去区分能力65% 相似待验证在MATH数据集的Level 5竞赛级难题上，前沿模型准确率仍低于60%63% 相似待验证2023年的多项Benchmark测试（如HaHackathon数据集）显示，顶级LLM在讽刺识别任务上的准确率仍显著低于普通人类标注者62% 相似待验证LLM新模型的平均评估指标可能优于旧模型，但会在小众关键场景中出现退化62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/845777API
curl https://kongchang.com/api/v1/knowledge/claims/845777MCP
get_claim(id=845777)