待验证50% 置信基准精确时间
在FDE-Gym上，最佳配置的平均得分仅为0.56，95个任务中只解决了14个。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
混合智能体破局：成本降80%，AI自主通关《我的世界》
rss2026/10/19
涉及实体
相关事实
待验证在23个所有关键事实都已获取的FDE-Gym任务上，最佳配置也只在10个任务上实现了有意义的业务提升。71% 相似待验证目标gX拥有187行记录，100%通过，只有一个不同任务，所有记录why字段均为'exit=0 OK'，从2026年10月4日至今187次运行从未失败，占整个账本的10.1%。65% 相似待验证解析缺陷加上一个错误答案键使 gpt-oss 在五个核心任务上的分数从 0.62 偏移到 1.00，偏移高达 0.3864% 相似待验证Erdős最小重叠问题的目标值是0.38080，数值越低越好；TTT-Discover报告的数值是0.38093，本次运行结果0.38094与报告几乎一致但距目标仍有微小差距。63% 相似待验证在CAD World的200个任务测试中，最强的GPT-5.4成功率仅有17.5%62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1066084API
curl https://kongchang.com/api/v1/knowledge/claims/1066084MCP
get_claim(id=1066084)