待验证50% 置信基准精确时间

根据论文Table 3，Gemma-4-12B-it的单步准确率为74.4%，端到端任务成功率仅为5.0%。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/11/5

首次发现

有效期至：2027/2/3

来源

SLATE基准揭示AI智能体短板：单步准确率74%却仅5%任务成功率

redditr/LangChain2026/11/5

涉及实体

Gemma-4-12B-itmodel SLATEconcept

相关事实

待验证作为对照的简单三规则基线（3-rule baseline）准确率仅为64.4%，Jev领先约8个百分点73% 相似待验证Bullet 在 SWE-bench Verified 基准测试中取得 95.8% 的成绩，位列前三，平均每个任务耗时 119 秒72% 相似待验证NVFP4量化方案相比BF16基线实现了1.5倍的推理加速，同时在top-1准确率上保留了92%到97%的水平71% 相似待验证GazeEval在预测任务上达到71.3%的准确率。70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1138672

API

curl https://kongchang.com/api/v1/knowledge/claims/1138672

MCP

get_claim(id=1138672)