Claude Sonnet 5 · CharXiv Reasoning(Validation split) · 附件证据(ev5-charxiv)

Claude Sonnet 5 的 CharXiv Reasoning · Validation split 官方出处。见《Claude Sonnet 5 System Card》§8.10.5, PDF p.129。证据 ev5-charxiv。

原文与定位

Claude Sonnet 5 · CharXiv Reasoning(Validation split),Adaptive thinking, max effort, no tools配置,Accuracy 77%(具体成绩公布时间未确认)。见《Claude Sonnet 5 System Card》§8.10.5, PDF p.129。 查看成绩条件

Claude Sonnet 5 · CharXiv Reasoning(Validation split),Adaptive thinking, max effort, tools enabled配置,Accuracy 88.3%(具体成绩公布时间未确认)。见《Claude Sonnet 5 System Card》§8.10.5, PDF p.129。 查看成绩条件

On CharXiv Reasoning, Claude Sonnet 5 achieved 77.0% without tools and 88.3% with tools, improving over Claude Sonnet 4.6 (71.6% and 85.3%).
官方材料
Claude Sonnet 5 System Card · PDF 第 129 页
定位
附件 · §8.10.5, PDF p.129
材料版本
PDF with changelog dated 2026-07-10; 146 pages; collected 2026-11-10
版本公布
未确认
披露时间
未确认 · 首发/后补未确认
采集时间
历史依据
暂无可靠历史版本依据
引用文本

Claude Sonnet 5 · CharXiv Reasoning(Validation split),Adaptive thinking, max effort, no tools配置,Accuracy 77%(具体成绩公布时间未确认);Claude Sonnet 5 · CharXiv Reasoning(Validation split),Adaptive thinking, max effort, tools enabled配置,Accuracy 88.3%(具体成绩公布时间未确认)。官方出处 Claude Sonnet 5 System Card(附件,PDF with changelog dated 2026-07-10; 146 pages; collected 2026-11-10)§8.10.5, PDF p.129,https://www.anthropic.com/claude-sonnet-5-system-card#page=129。Benchlog https://benchlog.lekshome.cc/evidence/claude-sonnet-5/ev5-charxiv/

关联成绩与条件

Claude Sonnet 5 · CharXiv Reasoning 成绩与配置
指标与成绩配置与评测条件证据关系
Accuracy77%原文 77.0% · 单位 %
公布 未确认
Adaptive thinking, max effort, no tools
设置
Adaptive thinking at max effort; no tools.
未知项
未另记
工具
禁止工具
推理预算
max
框架
未记录
协议
CharXiv Reasoning, 1,000 validation questions; five-run average. Tools: none.
条件
No tools; adaptive thinking and max effort; Sonnet 4.6 grader.

直接支持该成绩

在排名中查看此成绩
Accuracy88.3%原文 88.3% · 单位 %
公布 未确认
Adaptive thinking, max effort, tools enabled
设置
Adaptive thinking at max effort; tools enabled as specified per benchmark.
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
CharXiv Reasoning, 1,000 validation questions; five-run average. Tools: Python and image cropping.
条件
Python tools and image-cropping available; adaptive thinking and max effort; Sonnet 4.6 grader.

直接支持该成绩

在排名中查看此成绩