待验证50% 置信事实精确时间
第一次完整基线运行报告176个测试全部通过，同时追加了30行合成数据到生产日志
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证测试最终形成174条任务、1744次尝试的样本量，采用同路由、同平台、同时段的AB对比方式74% 相似待验证微调使用了 4260 条训练样本和 474 条评估样本，均为带思维链的 STEM 问答数据67% 相似待验证作者检查了约1500次检测调用，手动挖掘误报、调整边界框后重新训练模型66% 相似待验证测试共跑了 130 个变体，覆盖不同推理努力程度，通过 OpenRouter 调用并尽可能锁定各实验室官方端点65% 相似待验证Codex使用了126个子智能体、32500次工具调用、391次浏览器测试和2300多次单元测试；Claude Code使用35个子智能体、102次浏览器测试和296次单元测试65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1000656API
curl https://kongchang.com/api/v1/knowledge/claims/1000656MCP
get_claim(id=1000656)