待验证50% 置信基准精确时间

在23个任务中，最佳配置成功从利益相关者处获取了所有关键事实，但其中只有10个任务的归一化业务提升达到0.8以上

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/16

首次发现

有效期至：2027/1/14

来源

FDE-Gym基准：AI交付最后一步为何卡住

涉及实体

相关事实

待验证研究表明将复杂需求拆解为多个小任务比一次性提交完整需求的成功率高出40%以上72% 相似待验证在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。71% 相似待验证通过为不同任务挑选合适的模型，解题率提升了超过23个百分点，单任务成本压到原来的不到三分之一70% 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66% 相似待验证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66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1041819

API

curl https://kongchang.com/api/v1/knowledge/claims/1041819

MCP

get_claim(id=1041819)