待验证50% 置信事实精确时间
研究覆盖四个代码智能体、六组实现配对，共进行 5,625 次试验，并在四个开源仓库中做验证，涉及三种编程语言。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
代码智能体该遵循先例还是任务意图？
rss2026/10/28
涉及实体
相关事实
待验证研究团队在五个被广泛使用的GUI智能体上进行了实验验证74% 相似待验证研究团队在七个基准上评估了 SPLIT，涵盖数学、科学问答、代码和软件工程智能体，涉及 26 个模型、175 个智能体系统和六种真实验证器，全部来自公开发布。73% 相似待验证Codex使用了126个子智能体、32500次工具调用、391次浏览器测试和2300多次单元测试；Claude Code使用35个子智能体、102次浏览器测试和296次单元测试73% 相似待验证研究团队用四个前沿LLM在七个数学和三个软件验证基准上评估了Maestro。72% 相似待验证研究团队横跨4个语言模型家族、50个概念进行了系统验证71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114373API
curl https://kongchang.com/api/v1/knowledge/claims/1114373MCP
get_claim(id=1114373)