待验证50% 置信基准精确时间

研究团队在GAIA和SWE-bench Verified两个基准上评估了DeReAct

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

DeReAct：解耦推理与执行，让AI智能体更可靠

涉及实体

DeReActconcept GAIAconcept SWE-bench Verifiedconcept

相关事实

待验证智能体评估基准测试套件包括GAIA、AgentBench和SWE-bench70% 相似待验证论文在τ²-Bench多轮交互评测基准上验证了CUE的效果68% 相似待验证研究团队在ADReSS和ADReSSo两个标准数据集上评估了LAPE67% 相似待验证学术界发展出G-Eval、MT-Bench、HELM等评测方法，核心思路是将评测分解为多个维度的加权评分65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975644

API

curl https://kongchang.com/api/v1/knowledge/claims/975644

MCP

get_claim(id=975644)