待验证50% 置信基准精确时间
对Higgins配对任务的重新核查完整复现了所有已保存分数，零不匹配，严格成功率在clean条件下为120/120，injected条件下为119/120
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证在第一阶段事后对比中，SAGE 的评估结果与原始竞赛中 105 份人工评审对比，序数一致性为 kappa = 0.29，属于「一般」水平63% 相似待验证可落地的Agent评测门槛包括任务拆解率和工具选择准确率达90%以上、闭环完成率不低于85%、错误恢复率不低于80%62% 相似待验证测试的执行前基线固定为：贡献值1650，积分1000，订单和两类流水都是062% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性61% 相似待验证在实验中，零样本生成任务解决率为17%，通用自我纠错为27%，仅错误反馈为23%，诊断性反例反馈（A-CEGIS）达到90%61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002478API
curl https://kongchang.com/api/v1/knowledge/claims/1002478MCP
get_claim(id=1002478)