待验证50% 置信观点精确时间

该分析仅基于DeepSWE基准上的113个任务，样本规模有限，结论普适性需更大范围验证

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

18个模型跑113个编程任务：智能路由能把解题率拉到97.6%

涉及实体

相关事实

待验证该测试样本规模相对有限（5个模型、13个代码库），结论有待更大规模验证74% 相似待验证经过精心筛选和去重的高质量数据集，能够以远少于原始规模的token数量训练出同等甚至更强的模型65% 相似待验证对于代码补全、语法检查等结构化任务，7B-13B参数量的小模型可达到90%以上准确率，推理成本仅为顶级模型的1/50甚至更低64% 相似待验证在完全未被触碰的152题测试子集上，锚定混合检索为42.11%，规划引导方法仅36.84%64% 相似待验证即使声称支持128K甚至百万级token上下文窗口的模型，在Needle-in-a-Haystack测试中也常暴露中段检索薄弱环节62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946780

API

curl https://kongchang.com/api/v1/knowledge/claims/946780

MCP

get_claim(id=946780)