待验证50% 置信事实精确时间
SWE-Bench Pro V2 论文的方差分析显示，scaffold 只能解释约 0.29% 的结果方差，而模型解释了 2.65%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/24
首次发现
来源
涉及实体
相关事实
待验证在具体实验案例中，重叠锚点方案（n=912）显示模型55.2%对多数类51.1%，净优势+4.1pp，约2.4个标准误；非重叠锚点方案（n=163）显示59.5%对54.0%，净优势+5.5pp，约1.4个标准误。68% 相似待验证Cognition表示SWE-2在其自有编程测试中的得分与Anthropic的Claude模型仅相差一分，成本却低64%68% 相似待验证在Track B上，扁平RAG基线能检测出76%–97%的真实矛盾，但对16%–43%表层相似的安全草稿产生误报（具体比例取决于后端）66% 相似待验证与Transolver在相同数据集和相同数据划分下对比，该模型的相对L2误差降低31%，内部均方误差（interior MSE）降低47%66% 相似待验证在第29到50个epoch期间，符号模式损失的方差仅为±0.40%，而基于幅值的变体高达±2.25%65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1094311API
curl https://kongchang.com/api/v1/knowledge/claims/1094311MCP
get_claim(id=1094311)