待验证50% 置信基准精确时间
在 EmbodiedIntentBench 的多阶段 Depot 研究中,一个在可见目标观测上达到 87.5% 全库目标召回的配置,在 16 次任务中只完成了 1 次;而一个召回率更低的配置完成了 14 次。
1
来源数
50%
置信度
长期有效
时效性
2026/11/10
首次发现
来源
EmbodiedIntentBench:用任务意图衡量机器人运行时自适应能力
rss2026/11/7
涉及实体
相关事实
待验证跨任务迁移实验中,三个源任务上继承的科研状态使12个留出的NatureBench任务的平均基值从冷启动的12.01提升到21.89,追平SOTA比例从41.7%跃升至86.1%。69% 相似待验证AutomationBench-AA 的 68% 完成率表明模型在自动化任务中仍有约三分之一的失败空间,距离可靠的生产级代理还有距离。67% 相似待验证任务 B 中,重新加权后约 17% 的检查会因验证失败转到托管兜底,反而增加了原本想降低的负载。66% 相似待验证在23个任务中,最佳配置成功从利益相关者处获取了所有关键事实,但其中只有10个任务的归一化业务提升达到0.8以上66% 相似待验证通过改进采样过程,在保持相同权重的前提下,约96%准确率所需的名义最大层评估预算从60000次(100次尝试×50步×12层)降至1200次(5次尝试×20步×12层),约50倍缩减。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1153689API
curl https://kongchang.com/api/v1/knowledge/claims/1153689MCP
get_claim(id=1153689)