待验证50% 置信事实精确时间
在OpenAmer账本中拥有20+不同任务的目标（即真正在工作的目标），其通过率在0.0%到29.8%之间；其中一个目标运行了63次，零次通过。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/13
首次发现
有效期至：2026/10/27
来源
涉及实体
相关事实
待验证0.610 的 WANDR 得分不意味着模型在60%的任务上完全成功，实际部分完成率与任务复杂度分布相关70% 相似待验证OpenAPPA的README宣称在1320次评估中没有一次被计分的攻击成功，同时完成88%至90%的任务。70% 相似待验证相对于基线的性能损失在全部三次重复中持续存在的任务有100个，而持续性胜出仅出现在1个任务上68% 相似待验证实验中塑形奖励配置下的task_score仅为0.125,而朴素奖励是0.417,效应量d=4.4767% 相似待验证在 Terminal Bench 2.1 测试中，OpenCode 对比里 89 个任务的失败数从 29 降到 16，多解决 13 题，分数提升 14.61 个百分点66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1018810API
curl https://kongchang.com/api/v1/knowledge/claims/1018810MCP
get_claim(id=1018810)