待验证50% 置信基准精确时间
HMA在MLE-bench基准测试（覆盖75项Kaggle任务）中达到了78.2%的any-medal率，刷新了当前最优水平（SOTA）
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
待验证在六种配置、涵盖五组异构智能体组合的测试中，HMA相较于其组成部分的基线智能体平均提升了6.4个百分点的any-medal率67% 相似待验证DeepSeek V4.1号称SWE拿到74，但博主发现那是多次测试中挑出的最好成绩，open code实测65、PI实测6661% 相似待验证Bullet 在 SWE-bench Verified 基准测试中取得 95.8% 的成绩，位列前三，平均每个任务耗时 119 秒59% 相似待验证Cognition发布SWE2，基于Kimi K3后训练，官方称在主要评测上与前沿模型得分相当，但成本最多低70%59% 相似待验证在175张训练图/132张测试图的细粒度大众高尔夫车型分类任务中，SigLIP2 SO400M的k-NN准确率约为92%58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1001126API
curl https://kongchang.com/api/v1/knowledge/claims/1001126MCP
get_claim(id=1001126)