待验证50% 置信观点精确时间

正式基准的局限性在于题目固定、数据可能泄漏进训练集，且高分不一定意味着用户体验好

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

Claude Fable 5.1动画生成实测：一只鹈鹕背后的大模型能力评估

涉及实体

MMLUconcept HumanEvalconcept

相关事实

待验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效77% 相似待验证单纯堆砌参数而训练数据不足会导致模型大而不强，参数跃升需配合同步扩大的训练语料与算力才能兑现能力增益76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/904992

API

curl https://kongchang.com/api/v1/knowledge/claims/904992

MCP

get_claim(id=904992)