待验证50% 置信基准精确时间
在 ScienceAgentBench 上,SciMARS + Memory 解决了 38 个任务中的 14 个,基础团队解决了 11/38。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/10
首次发现
有效期至:2026/11/24
来源
SciMARS:多智能体递归自改进框架,闭环科研发现新突破
rss2026/11/9
涉及实体
相关事实
待验证在 Autonomous Science Bench 上,SciMARS + Memory 解决了 18 次 GPT-6-Astra 尝试中的 12 次,而基础多智能体团队仅解决了 8/18。72% 相似待验证在StructTokenBench的七个基准、14项任务和28个测试划分上,ProTok在纯结构分词器中取得了平均排名1.4的成绩,在21个划分上排名第一,28个划分中有27个进入前两名。61% 相似待验证测试结果为30张工单中有27张被送到了正确的团队59% 相似待验证SWE-Bench由普林斯顿大学团队提出,分为Full(2294个任务)、Verified(500个任务)、Pro Public三个子集,跨子集直接对比分数可能失真58% 相似待验证在 Terminal Bench 2.1 测试中,AutoPrompt Scale 使 OpenCode 在 89 个任务中的失败数从 29 降到 16,多解决 13 题,分数提升 14.61 个百分点56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1154742API
curl https://kongchang.com/api/v1/knowledge/claims/1154742MCP
get_claim(id=1154742)