待验证50% 置信基准精确时间
对 DeepSWE-1.1 中数千条智能体执行轨迹的审计发现，超过 80% 的轨迹包含对一个'想象中的评分器'的推理
1
来源数
50%
置信度
长期有效
时效性
2026/9/29
首次发现
来源
涉及实体
相关事实
待验证原作者称约80%的准确率问题都能靠元数据过滤解决，但这是基于个人经验的估计而非严格统计结论66% 相似待验证在CLINC150基准测试上，80条微调数据可使向量路由达到85.9%的准确率，完整fine-tune可达96%以上65% 相似待验证86%的准确率意味着仍存在14%的误差空间，Articos更适合作为早期验证和方向性判断手段，而非替代真实用户测试65% 相似待验证实验数据显示关键信息位于输入序列首尾时模型检索准确率可高达90%以上，位于中段时可能骤降至60%以下65% 相似待验证一次典型的深度研究Agent任务涉及30-50次独立模型推理，累计token消耗轻松突破10万64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/958403API
curl https://kongchang.com/api/v1/knowledge/claims/958403MCP
get_claim(id=958403)