待验证50% 置信事实精确时间
Meta 使用 FocusBench 评测专注度，用 SWE-Marathon 测试长周期软件项目上的持续执行能力。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证Meta-World、RLBench、CALVIN等基准测试平台提供了标准化的多任务评估环境70% 相似待验证Meta承认其内部运行的竞品测试'在可行处使用通用设置，但仍是尽力而为：prompt、工具和运行时可能未针对专有模型优化'。68% 相似待验证测试者使用SWE-Lancer基准的task selection和per-task两种模式评估模型编程能力67% 相似待验证对于依赖Bun性能优势的团队，应建立自己的benchmark持续监控，可以使用hyperfine等工具对关键脚本的执行时间进行版本间对比66% 相似待验证推荐算法通过持续的A/B测试学习如何最大化用户停留时长，其优化目标与用户长期利益往往存在根本性偏差63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1011797API
curl https://kongchang.com/api/v1/knowledge/claims/1011797MCP
get_claim(id=1011797)