待验证50% 置信基准精确时间

在最难的单概念定量类别中，大多数模型准确率跌破 30%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/15

首次发现

有效期至：2026/12/14

来源

PhysMent：用交互式物理仿真评测大模型的物理推理能力

涉及实体

PhysMentproduct

相关事实

待验证即使是表现最强的模型，也仅能恢复30%的评估证据和25%的局限性描述75% 相似已验证对于参数量大于30B的模型，4-bit量化造成的性能损失通常在基准测试中下降1-3%，但对小模型影响更显著74% 相似待验证在结构性度量新划分的稀有实体切片上，当前最先进系统的准确率下降幅度达到15.4%至39.9%71% 相似待验证轻量版模型单次推理的算力消耗往往只有旗舰版本的十分之一甚至更低71% 相似待验证一项针对GPT-4的研究显示，对MMLU题目进行语义等价改写后，模型准确率在部分子集上下降超过10个百分点70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/921781

API

curl https://kongchang.com/api/v1/knowledge/claims/921781

MCP

get_claim(id=921781)