待验证50% 置信基准精确时间

在四个模型和三个基准测试上，表现最佳的骨架规格相比最佳端到端行为规格，平均测试误差降低了48.4%。

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

Skeleton Coding：用程序结构驯服AI编程智能体

涉及实体

Skeleton Codingconcept 行为规格concept

相关事实

待验证即使智能体可以查询完整的参考实现，加入骨架后平均测试误差仍相对降低高达27.0%。76% 相似待验证在32专家微型字符模型的三轮对照实验中，Expert Choice路由取得了三轮中最低的评估损失。75% 相似待验证研究者发现当χ1接近1时，测试误差在四个实验单元中都单调下降。74% 相似待验证使用多智能体验证流程时MARCH的准确率被压低到4.4%，而同一模型被直接问哪个更好时准确率能达到43.7%73% 相似待验证在真实环境A/B测试中，经过后续训练的检查点相比早期版本，工具调用失败率相对降低了21.2%73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1114819

API

curl https://kongchang.com/api/v1/knowledge/claims/1114819

MCP

get_claim(id=1114819)