待验证50% 置信基准精确时间
基于某个前沿语言模型的智能体在每条记录最多花费一小时的限制下，共有82份提交被接受并改进了全部记录，但改进未超出已发表文献范围
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
待验证基于两个更新模型的智能体从这些记录出发继续推进，又有60份提交被接受，并再次改进了20条记录中的19条68% 相似待验证在试卷批改案例中，Cowork 通过一句指令生成了含平均分约72%、最低30分、最高100分的分析及HTML报告64% 相似待验证人类受试者在ARC题目上的平均正确率可达85%以上，而主流大语言模型长期徘徊在20%以下63% 相似待验证一个拥有1800行测试用例的评估套件长期稳定在97%的聚合通过率，但其中64行多语言切片的通过率只有61%63% 相似待验证作者推荐一种"82分配"策略：80%的整理和草稿交给速度更快成本更低的模型，最困难的20%复杂执行和跨工具交付交给Astra63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1001186API
curl https://kongchang.com/api/v1/knowledge/claims/1001186MCP
get_claim(id=1001186)