待验证50% 置信事实精确时间

Meta模型在自己的跑分脚注中承认其SWE-Marathon行'不是受控的common-harness比较'。

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

相关事实

待验证Meta自家模型能胜任任务但不属于顶尖前沿模型级别71% 相似待验证测试者认为失败的原因不是模型本身，而是模型与测试框架（harness）之间的交互62% 相似待验证高负载保护机制本身不等同于修改模型，但在用户侧效果与模型降质几乎无法区分61% 相似待验证研究结论认为仅靠偏好条件化并不能保证可控的多目标行为，构建稳健公平RL-MIL系统需引入显式的梯度平衡、目标分离与稳定性分析机制60% 相似待验证模型的综合能力强弱和它对指令的忠实程度是两件不同的事56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1011224

API

curl https://kongchang.com/api/v1/knowledge/claims/1011224

MCP

get_claim(id=1011224)