待验证50% 置信事件精确时间
开发者进行了1932次运行测试，使用100个逼真工具（含故意易混淆工具如pdf_compress、pdf_optimize、image_compress），工具数量从5到100共8档，每个条件跑两次，测试18个任务（含10个模糊任务）。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
待验证开发者运行了20个批次、每批200次试验，共计4000次尝试，每次使用不同随机种子，按KL散度挑选最优候选73% 相似待验证试点实验让三个编程代理和八个模型各跑八次20分钟单次任务，标签感知F1从0.143到0.892方差极大71% 相似待验证某长周期编程智能体几乎完全靠代码从零搭建了一整个Minecraft克隆，包含约10万行游戏代码、2.6万行测试代码、1000个自动化测试、775个文件，累计工作约25小时68% 相似待验证ThinkingBox基准测试由微软研究人员与Hugging Face发布，包含507个真实业务流程任务，每个任务运行20遍68% 相似待验证创建新Skill时应准备10-20条测试提示，包括5条快乐路径场景和5条该不用的场景68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1031411API
curl https://kongchang.com/api/v1/knowledge/claims/1031411MCP
get_claim(id=1031411)