待验证50% 置信基准精确时间
EvoSkill v2 在 τ³-bench banking 基准上，将留出集通过率相比较强的基线高出 5.4 个百分点。
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EvoSkill v2 在 SpreadsheetBench v2 基准上，将留出集通过率相比较强的基线高出 7.7 个百分点。78% 相似已验证Qwen3.5的参数激活率为4.3%，而DeepSeek V3的671B模型激活率为5.5%67% 相似待验证用非重叠锚点重新评估后，净优势反而从+4.1pp增大到+5.5pp，但显著性从2.4个标准误降至1.4个标准误；膨胀因子约2.4倍，恰好等于sqrt(912/163)。66% 相似待验证在16倍压缩下，AdaMem的子串匹配相比均匀分配基线最高提升3.2个百分点（5.5%），平均相对增益为3.4%65% 相似待验证实验显示，SimOPD在相同架构设置下比最强基线平均提升2.6个百分点，在跨架构设置下平均提升3.1个百分点。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074283API
curl https://kongchang.com/api/v1/knowledge/claims/1074283MCP
get_claim(id=1074283)