待验证50% 置信基准精确时间

Program-Agent 将基础模型和经过监督微调的模型分别推高到 55.71% 和 56.25%

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

ProgramGym：让AI从零构建程序的长程训练新框架

涉及实体

Program-Agentconcept ProgramBenchconcept

相关事实

待验证在使用正确的、领域特定的理由方面，不同模型的表现从25.6%一路跨越到76.9%74% 相似待验证同一个基座模型在不同系统提示词下的表现差异可以高达30-50个百分点70% 相似待验证在Natural Plan基准上无需任务训练时，扩散模型计划修复成功率为53.7%，自回归模型为27.0%68% 相似待验证作为对比，Program-of-Thought基线整体准确率为72.0%，工具调用agent为58.7%67% 相似待验证实验中让27B模型自己编写技能，其在LiveMath上的得分为56.3%67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001310

API

curl https://kongchang.com/api/v1/knowledge/claims/1001310

MCP

get_claim(id=1001310)