待验证50% 置信基准精确时间
双视图模型在多变量ChatTS对齐任务上取得86.8%的数值准确率。
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
涉及实体
相关事实
待验证该基准给每个模型输出两个永不合并的数字：任务得分和虚假自信率（本应上报却强行作答的比例）71% 相似待验证双视图模型在TSExam基准上达到89.9%的准确率。70% 相似待验证对于两步和三步操作的组合任务，遮蔽条件下准确率的配对差异中位数分别达到0.846和0.85968% 相似待验证在dbt Labs的2026年基准测试中，查询语义模型的Agent在一组业务问题上达到98.2%–100%的准确率，而同样的模型对完整schema编写原始text-to-SQL的准确率为84.1%–90.0%。68% 相似待验证在Spider基准上，早期单模型方案准确率约为70%，GPT-4等大模型将其提升到80%以上，多智能体协作策略的系统已能达到85%甚至更高的执行准确率67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1041905API
curl https://kongchang.com/api/v1/knowledge/claims/1041905MCP
get_claim(id=1041905)