待验证50% 置信基准精确时间

隐空间模式带来的增量提升为：GAIA从38.8提升至43.7，WebWalker从32.0跃升至42.5。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/19

首次发现

有效期至：2026/11/2

来源

8B智能体用隐空间推理在GAIA击败GPT-5.6 Luna，HLE却惨败

rss2026/10/19

涉及实体

HybridAgentmodel ARPOmodel GAIAconcept WebWalkerconcept

相关事实

待验证在Frontier Code编程基准上，旧模型得分34.4%，Gemini 3.7 Flash提升至43.6%56% 相似待验证OpenAI GPT-6 Luna 在 UplinkSwitch 上的输入折让仅 37%，是表中少数低于 40% 的数值。55% 相似待验证清理锚点和提示词后，promptfoo 的一致率从 34/40 升至 37/40，DeepEval 从 35/40 升至 36/40。55% 相似待验证经过微调，Laya在MASSIVE数据集上可从0.45提升到0.85，另一项任务从0.362提升到0.76654% 相似待验证使用 Program-Env 构建环境产生的轨迹进行微调后，Qwen3.8-27B 模型性能从 34.87% 提升至 42.84%54% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1069595

API

curl https://kongchang.com/api/v1/knowledge/claims/1069595

MCP

get_claim(id=1069595)