待验证50% 置信基准精确时间
基于搜索的基线方法使用了 3.8-7.4 倍的成本,但准确率仍低于 DiVR。
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
待验证在并行搜索上,新方法较此前基线提升最高达1.4倍。67% 相似待验证GPT-4o-mini 在同一HS编码基准测试上准确率约18%;带网页搜索的最佳AI Agent可达46.8%,但每次调用成本$1-10,耗时10-30秒;人类专家约95%。63% 相似待验证在检索任务中,当上下文用中性填充文本扩展时,五个开源模型(参数0.5B到3B)的检索准确率几乎不受影响,保持在0.97到1.00之间。61% 相似待验证在‘网格搜索的角落已经包含答案’的场景下,最佳固定配置达到 95% 验证准确率仅需 317 ± 29 步,而 PBT 平均需要 2667 ± 2244 步;在每个种子上,PBT 都更慢。61% 相似待验证在Terminal Bench 4.0最高精度测试中,Fable 5.1准确率为55.8%,成本为19.50美元;Astra准确率为56.7%,成本为10.35美元61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1166059API
curl https://kongchang.com/api/v1/knowledge/claims/1166059MCP
get_claim(id=1166059)