待验证50% 置信基准精确时间
Articos宣称其模拟测试达到86%的人类准确率，该数据来自同行评审，对标Baymard Institute和Nielsen Norman Group的研究方法
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/11
首次发现
有效期至：2026/12/10
来源
涉及实体
相关事实
待验证在CLINC150基准测试上，80条微调数据可使向量路由达到85.9%的准确率，完整fine-tune可达96%以上68% 相似待验证86%的准确率意味着仍存在14%的误差空间，Articos更适合作为早期验证和方向性判断手段，而非替代真实用户测试66% 相似待验证ARC-AGI-2由AI安全研究员François Chollet设计，早期GPT-4在该测试上得分不足10%，人类平均得分约85%66% 相似待验证测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）65% 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65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/909312API
curl https://kongchang.com/api/v1/knowledge/claims/909312MCP
get_claim(id=909312)