待验证50% 置信基准精确时间
使用 ExLabel 过滤后的 SWE-rebench 数据微调编程模型，该模型在 SWE-bench Verified 上解决了 66.2% 的问题，比使用最佳基线过滤数据训练的模型高出 14.5%。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/30
首次发现
有效期至：2026/11/13
来源
涉及实体
相关事实
待验证在Slop Code Bench基准测试中，某个前沿模型仅取得14.8%的分数。64% 相似待验证Meta的LLaMA论文披露其训练数据中约67%来自Common Crawl，经过多轮过滤后仅保留原始数据的约15%64% 相似待验证经过匹配监督训练后模型表现提升到99.8%，而删除关系链接后正确率骤降到23.4%，甚至低于最佳捷径的27.0%63% 相似待验证从模型无约束采样八个候选时，训练数据有限情况下有10.2%的输入无法产生任何有效输出，使用全量训练数据时该比例降至0.4%63% 相似待验证该模型训练分两阶段：先在 FineWeb-Edu 约 2000 万句子上做掩码语言模型预训练，再用 1202 万对（噪声, 干净）数据做纠错微调，其中 30% 是恒等对。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113920API
curl https://kongchang.com/api/v1/knowledge/claims/1113920MCP
get_claim(id=1113920)