待验证50% 置信基准精确时间

在法律红线批注、预算对账等复杂任务上，单步演化将准确率提升了35到50个百分点。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/24

首次发现

有效期至：2027/1/22

来源

Harness²解读：不训练模型，让Agent自进化工作台

涉及实体

Harness²concept

相关事实

待验证当预算和时间线计算交由外部可靠流程而非模型自行推断时，廉价模型上准确率提升高达42个百分点，强模型上仅提升2到5个百分点67% 相似待验证多路径采样意味着数倍推理开销，若需5次独立采样成本会增加至少5倍63% 相似待验证将置信水平从95%提高到99%（z值2.576），相同样本量下的误差范围将扩大约31%63% 相似待验证研究数据显示，评审每个变更所花费的时间增加了49%。61% 相似待验证EvolveTrade在大多数被评估的设定中，在夏普比率和累计收益两项指标上超越固定策略的LLM基线61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1093662

API

curl https://kongchang.com/api/v1/knowledge/claims/1093662

MCP

get_claim(id=1093662)