待验证50% 置信基准精确时间
在专家保留比例为75%和50%的设置下,PEEP和DCEP在多数基准测试中超越现有最优基线,并在通用任务和数学推理任务上取得最佳平均性能。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/2
首次发现
有效期至:2027/1/31
来源
涉及实体
相关事实
待验证最强配置在严格的任务级标准下解决了78.2%的任务,在标准级评估下通过率达到94.8%72% 相似待验证在歧义点的四类行为中,'先搜再问'成功率最高,平均通过率达93.4%,远高于'直接猜'的56.5%,'搜多次再猜'为51.5%71% 相似待验证在从50%到92%的准确率提升中,REPL贡献最大(直接从50%跳至74%),随后领域知识注入、模糊搜索、公式追踪、系统prompt优化和bug修复层层累积70% 相似待验证在240个问题的测试中,ReAct的正确率为59.6%,Plan-execute为61.7%,Supervisor为65.0%,Draft-verify为63.7%。70% 相似待验证该二次评分采用四项权重:综合智能占60%,Agent和终端编程能力占20%,成本效率占10%,输出速度占10%。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125226API
curl https://kongchang.com/api/v1/knowledge/claims/1125226MCP
get_claim(id=1125226)