待验证50% 置信基准精确时间
在 22 个基准、八种开源与专有骨干模型的评测中，OpenVLHarness 相比匹配的无工具基线平均提升 9.7–12.6 分。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18
来源
涉及实体
相关事实
待验证将13个类别整合为10个（合并模型主要混淆的类别），平均OA提升了8.4个百分点63% 相似待验证经过匹配监督训练后模型表现提升到99.8%，而删除关系链接后正确率骤降到23.4%，甚至低于最佳捷径的27.0%63% 相似待验证OpenAI官方声称Decisions API比Responses API快约10倍，但未披露基准测试，也没有发布与竞品的头对头准确率对比。63% 相似待验证7个通过替代测试的模型变化率为15.9%，而6个未通过的模型高达25.8%，性能更好的模型受干扰程度较低但仍高于提示词修改影响62% 相似待验证在Claude Code搜索关闭（全量加载）模式下，7个分组工具的成本相当于14个独立工具，准确率100%；分组策略只在schema全量注入场景下有明显收益。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073232API
curl https://kongchang.com/api/v1/knowledge/claims/1073232MCP
get_claim(id=1073232)