待验证50% 置信事实精确时间
研究团队在一个异构任务流上评估了 Routed CL，该流交错包含来自六个 CL-Bench 任务的301个实例，以及来自 τ³-Bench 的97个银行领域实例；实验覆盖四种语言模型，并进行了五次匹配的 rollout。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/30
首次发现
有效期至：2027/1/28
来源
涉及实体
相关事实
待验证测试任务要求为桥接工具 bridle 的 agents 检查添加 --json 选项，同时保持无标志时文本报告逐字符不变；三次运行均通过 node --test（8 个测试全部通过），且 32 个 AGENTS.md/CLAUDE.md 文件上的文本输出完全一致。66% 相似待验证LRO-Bench实现建议中28项测试里有16项无法被基准实际运行的那几次执行所判定65% 相似待验证研究团队在Ouro、Raven和Huginn三个模型家族的六个检查点上评估了CopyLoop，任务覆盖代码生成和多步数学推理。65% 相似待验证研究者构建了名为 ALIGNMENTFORECASTBENCH 的基准测试集，覆盖超过5000个预测问题、17个目标模型、32个数据集和16种失效模式65% 相似待验证测试最终形成174条任务、1744次尝试的样本量，采用同路由、同平台、同时段的AB对比方式64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113834API
curl https://kongchang.com/api/v1/knowledge/claims/1113834MCP
get_claim(id=1113834)