待验证50% 置信基准精确时间
LLM-IRA 在 6 个评估基准中的 5 个上达到或数值上超过了强静态融合基线。
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
待验证在 DL19 和 DL20 基准上，LLM-IRA 在每查询仅 5 次 LLM 调用时就已超过最佳无监督基线，远未耗尽典型的 25–30 次调用预算。65% 相似待验证在六种配置、涵盖五组异构智能体组合的测试中，HMA相较于其组成部分的基线智能体平均提升了6.4个百分点的any-medal率64% 相似待验证GLM-5.3在六项评测中的成绩为：终端编程基准3.0得28.3、深度软件工程基准得66.9、智能体中场考试得28.5、自动化基准得48.2、带工具的人类终极考试得62.5、GDP价值评估AA2版得17.6961% 相似待验证EMBER 和 ORBIT 与 LLM 基线对比的 McNemar 检验 p 值分别为 1.3e-9 和 1.5e-6，统计显著。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114249API
curl https://kongchang.com/api/v1/knowledge/claims/1114249MCP
get_claim(id=1114249)