待验证50% 置信观点精确时间

评测成本上升源于模型能力提升导致现有基准饱和，形成模型进步与评测难度提升的军备竞赛循环

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

从MMLU到FrontierCode：AI评测基准为何越来越难

涉及实体

AI评测基准concept

相关事实

待验证随着顶级模型输出质量趋于同质化，响应延迟和单次调用成本正成为下一阶段核心竞争维度78% 相似已验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减76% 相似待验证用现有模型已经能实现类似编排者-批评者的模式，只是成本会迅速飙升75% 相似待验证检测模型与生成模型之间存在持续的军备竞赛，生成质量每提升一代现有检测工具准确率下降72% 相似待验证在推理阶段投入更多计算资源能带来性能增益（测试时计算扩展理论），且增益存在明显收益递减区间72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/910491

API

curl https://kongchang.com/api/v1/knowledge/claims/910491

MCP

get_claim(id=910491)