待验证50% 置信基准精确时间
在检查点通过率上,xhigh并未展现出统计上可靠的提升;部分任务中两者持平,个别任务甚至出现xhigh略低的情况。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/21
首次发现
有效期至:2026/11/4
来源
涉及实体
相关事实
待验证报告指出xhigh带来的额外成本并没有对应可靠的通过率增益,属于边际效益递减,甚至在某些场景下为负。75% 相似待验证在训练前记录预测的测试表明,目标比特的低 XOR 度并不足以保证这些比特会被模型使用。69% 相似待验证SlopCodeBench十月测试报告显示,将推理强度从medium调至xhigh后,成本上升至2到4倍,而通过检查点的数量并没有可靠提升。64% 相似待验证在一次任务续接实验中,尽管上下文被削减,人工评估的输出质量反而更低62% 相似待验证论文报告稀疏恢复解码器比调优后的X-ABFT基线至少少2倍读取,但作者指出X-ABFT在该场景下读取次数比全读还多,属于应力测试而非对等基准。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1081133API
curl https://kongchang.com/api/v1/knowledge/claims/1081133MCP
get_claim(id=1081133)