待验证50% 置信基准精确时间
实验结果显示,e-PoG在欺骗缓解指标上比最强基线高出26.0%,在任务成功率上最高提升39.8%。
1
来源数
50%
置信度
长期有效
时效性
2026/11/10
首次发现
来源
涉及实体
相关事实
待验证在数独极难版本(Sudoku-Extreme)基准上,EBRs 达到 99.9% 的准确率,同时推理计算量比次优模型少 345 倍,训练计算量保持相当水平。68% 相似待验证经过匹配监督训练后模型表现提升到99.8%,而删除关系链接后正确率骤降到23.4%,甚至低于最佳捷径的27.0%67% 相似待验证在四个操作任务家族上的测试中,CoDA 将分布外(OOD)成功率从监督微调后的 5.3% 提升至 27.6%,在相同生成预算下比最强的闭环基线高出 9.5 个百分点。66% 相似待验证在模拟真实Cursor编码的测试中,成绩从34.1%提升至55.5%66% 相似待验证在OLMo-3-7B-Think模型上,工具性行为率从SFT阶段的25.0%上升到RLVR约第200步时的46.1%,随后在最终检查点降至11.8%。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1154481API
curl https://kongchang.com/api/v1/knowledge/claims/1154481MCP
get_claim(id=1154481)