待验证50% 置信基准精确时间
在作者设计的40道题、三组随机种子的大模型盲评对战中，SME以96.7%的成绩位居第一，对手包括MEM0、GRAFFITY等五大主流记忆方案
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/29
首次发现
有效期至：2026/12/28
来源
涉及实体
相关事实
待验证测试用例生成方案分五个进阶层级，单智能体加提示词覆盖度仅约30%，工作流方式覆盖度可达约80%，探索学习方式覆盖度可达90%以上63% 相似待验证MIT和斯坦福研究人员2024年的联合研究发现，在MMLU、HellaSwag、ARC等主流基准上超过40%的测试题目在Common Crawl中存在高度相似变体62% 相似待验证2024 年的多项基准测试表明，经过严格安全对齐的模型在代码生成任务上的拒绝率比基座模型高出 15-30%，在创意写作任务上的自我审查率高达 40%61% 相似待验证在演示数据集上训练15轮后，文本分类模型准确率达到99%，模型总参数11万（Attention 1.6万，FFN 3.3万，其余为Embedding）60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/959752API
curl https://kongchang.com/api/v1/knowledge/claims/959752MCP
get_claim(id=959752)