待验证50% 置信事实精确时间
研究团队在 TCSExam-Full 上评测了八个智能体，在 TCSExam-Lite 上评测了九个智能体。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/6
首次发现
有效期至：2027/2/4
来源
涉及实体
相关事实
待验证TCSExam-Full 包含 100 个经专家审阅的任务，所有提交由 Lean 内核或可执行的任务检查器进行校验。65% 相似待验证研究团队在五种编码智能体框架中测试了九款专有与开放权重模型，结论是即便是最强的智能体也未能完全解决方案数字化任务。64% 相似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63% 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。63% 相似待验证一篇发布在arXiv上的研究（arXiv:2609.15995）搭建了统一推理网关，让十种外在审计工具在十个前沿模型组成的共享面板上跑同一套评测62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1141688API
curl https://kongchang.com/api/v1/knowledge/claims/1141688MCP
get_claim(id=1141688)