待验证50% 置信基准精确时间
在Terminal-Bench 2.0上，有团队完全不换Model、只改Harness就把成绩从30名外拉进前5
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/26
首次发现
有效期至：2026/12/25
来源
涉及实体
相关事实
待验证Muse-Glimmer-30B在部分Benchmark指标上超越了Qwen-3系列的27B模型，但在部分Benchmark上未能超越54% 相似待验证在队列准入控制任务中RL策略从基线的−16.2提升至25.654% 相似待验证MiniCPM5-2B在SWE-bench上的成绩击败了参数量是其两倍的4B级对手53% 相似待验证跑分排名不等于所有场景的实际表现，Terra跑分接近5.5但游戏任务中5.5完成度略高53% 相似待验证在 2456 个保留 prompt 上的测试中，把采样步数从 20 提到 50，FID 仅从 27.0 改善到 26.6（0.4），而去掉 shift 后 FID 从 27.0 升到 27.3、FD-DINOv2 从 218 升到 22852% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/952338API
curl https://kongchang.com/api/v1/knowledge/claims/952338MCP
get_claim(id=952338)