待验证50% 置信基准精确时间
Triana 设定了 75 分的质量门槛，在 13 个真实任务上测试 One Small Step，结果只有 9 个通过，得分为 69 分，低于门槛。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/22
首次发现
有效期至：2027/1/20
来源
会“后退”的AI任务助手：专治启动困难
youtubeBuild w Agents - Aggregate Intellect - AI.SCIENCE2026/10/22
涉及实体
相关事实
待验证引入 3B 小验证者时，ProVe 达到平均 2.7 倍吞吐量，但六任务平均准确率比 AR 低 2.6 个百分点。64% 相似待验证在本次测试中，v0 得分 95，从提示词到上线约 15 分钟，修复提示词次数为 0，免费套餐消耗一次性 $5 额度中的 $3.81。63% 相似待验证triage（mattpocock/skills）在两个模型上都拿到满分 1.00，无技能时约为 0.7。63% 相似待验证Bullet 在 SWE-bench Verified 基准测试中取得 95.8% 的成绩，位列前三，平均每个任务耗时 119 秒63% 相似待验证在本次测试中，Base44 得分 100，从提示词到上线约 3.5 分钟（四款中最快），修复提示词次数为 0，免费套餐消耗 25 条消息额度中的 1 条。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1085008API
curl https://kongchang.com/api/v1/knowledge/claims/1085008MCP
get_claim(id=1085008)