待验证50% 置信事实精确时间
FOCUS 在合法推理、深度搜索和代码定位三类基准上进行实验，对比 GRPO 和 VinePPO，表现优于两者。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/27
首次发现
有效期至：2027/1/25
来源
涉及实体
相关事实
待验证实验比较了直接提示、监督微调、思维链推理以及 GRPO 训练下的规则生成四种策略，GRPO 配合规则生成在四个 ToM 基准上均取得最优表现。69% 相似待验证BRIGHT 基准专门评估检索系统在需要多步推理的场景下的表现，典型任务包括数学问题检索、代码片段匹配和科学推理文档定位。69% 相似待验证检索-验证框架的核心思想来源于检索增强生成（RAG），先检索相关片段再进行验证性推理67% 相似待验证现有基准GAIA、BrowseComp只提供明确查询，仅考验多步推理能力，未考虑歧义问题67% 相似待验证评测采用层层加码的嵌套匹配标准，包括概念命中、证据片段定位和正确性判断三个维度66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102744API
curl https://kongchang.com/api/v1/knowledge/claims/1102744MCP
get_claim(id=1102744)