待验证50% 置信事实精确时间

ProgramGym 的效果在 ProgramBench 基准上得到了验证

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

ProgramGymconcept ProgramBenchconcept

相关事实

已验证解释任务可以以已有代码为锚点进行语义分析，其输出正确性可被代码本身约束和验证63% 相似待验证编程任务特别适合规划模式，因为代码执行结果具有明确的对/错反馈信号，可通过运行测试验证每个步骤，形成计划—执行—验证—修正的闭环62% 相似待验证Terminal-Bench-Science 的评测逻辑是端到端的，其产出结果可被自动验证61% 相似待验证原版 Terminal-Bench 聚焦于命令行操作评测60% 相似待验证编程与推理类任务结果可自动验证，程序能否通过测试用例是客观标准，适合作为自我进化循环中的奖励信号59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001317

API

curl https://kongchang.com/api/v1/knowledge/claims/1001317

MCP

get_claim(id=1001317)