待验证50% 置信基准精确时间

在OS World 20的82项离线任务总体结果中，平均完成度从约72%升到约79%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/17

首次发现

有效期至：2026/12/16

来源

AI递归自我改进RSI：距离真正实现还有多远？

涉及实体

RSI Agentproduct OS World 20product

相关事实

待验证人类在OS World测试中的平均得分约为72-74%75% 相似已验证在10步工程任务中若每步成功率为90%，整体任务完成率约35%；若每步成功率提升至99%，整体成功率则跃升至90%66% 相似待验证三个前沿模型的任务成功率非常接近，都在84%–89%之间65% 相似待验证在提及级别，模型整体精确率为74.1%，召回率为70.5%64% 相似待验证Cole Medin声称使用验证Harness后，任务结果从65-70分提升至第一次就能达到92分64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/929315

API

curl https://kongchang.com/api/v1/knowledge/claims/929315

MCP

get_claim(id=929315)