待验证50% 置信事实精确时间
论文进行了一项包含240次运行的真实LLM实验,涉及两个模型和60个可验证任务。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/13
首次发现
有效期至:2027/2/11
来源
涉及实体
相关事实
待验证该论文使用 5,000 条天然次优的人类示范和 24 个目标任务进行实验。74% 相似待验证论文进行了两组探索性模拟,分别使用10个和18个智能体,产生了68篇和274篇注册论文。72% 相似待验证实验覆盖20个跨应用场景,每个场景进行三次配对试验,共使用六台AWS t3.large实例71% 相似待验证开发者进行了1932次运行测试,使用100个逼真工具(含故意易混淆工具如pdf_compress、pdf_optimize、image_compress),工具数量从5到100共8档,每个条件跑两次,测试18个任务(含10个模糊任务)。70% 相似待验证试点实验让三个编程代理和八个模型各跑八次20分钟单次任务,标签感知F1从0.143到0.892方差极大69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1165176API
curl https://kongchang.com/api/v1/knowledge/claims/1165176MCP
get_claim(id=1165176)