待验证50% 置信基准精确时间

在与人类判断的对齐度上，DeepInstructor 的 Hit@1 提升了 24.4%

1

来源数

50%

置信度

长期有效

时效性

2026/9/22

首次发现

来源

DeepInstructor：用结构化学术经验驱动科研创意评估的智能体框架

涉及实体

DeepInstructorproduct

相关事实

待验证Dude相比基线方法，在召回率和精确率上最高提升了22.8%61% 相似待验证在通用智能体任务上Glimmer得分达24%，高于Qwen的17%60% 相似待验证Artificial Analysis给Muse Glimmer 30B打出35分的智能指数，相比Llama 4 Maverick是巨大飞跃56% 相似待验证该框架在稀有实体切片上的准确率提升最高达到23.3%56% 相似待验证在SWE-bench最初公开结果中GPT-4的解决率仅约1.7%，Devin宣称达到13.86%，SWE-agent达到12.5%56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/940087

API

curl https://kongchang.com/api/v1/knowledge/claims/940087

MCP

get_claim(id=940087)