[控场AI]
待验证50% 置信概念精确时间

SWE-Marathon将任务拉长到数十甚至上百步的连续编辑，考验agent在长上下文里的不迷失能力。

1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现

来源

别信Muse Wonder跑分，用你的代码库实测对比Opus 5.5

涉及实体

SWE-Marathonconcept

相关事实

待验证在代码Agent场景下，一次完整任务的轨迹长度可达数十万token73% 相似待验证重负载agent任务会持续占用推理槽位数秒乃至数十秒，对GPU显存和KV Cache的压力远高于短对话71% 相似待验证一个复杂的 Agentic 任务可能需要数十次 LLM 推理，总耗时从几十秒到数分钟不等71% 相似待验证完成一项完整任务（run）往往需要多轮对话、工具调用、上下文检索等多步骤操作，累计token消耗可能比单次问答高出数十倍70% 相似待验证自主机器学习工程（MLE）任务本质上是长周期工作，整个过程往往需要数十甚至上百步的连续决策70% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1011217
API
curl https://kongchang.com/api/v1/knowledge/claims/1011217
MCP
get_claim(id=1011217)