待验证50% 置信基准精确时间

在EvoMap的基准测试中，子智能体实际找出373个正确答案，但主智能体合并后最终结果只保留了217个

1

来源数

50%

置信度

长期有效

时效性

2026/10/6

首次发现

来源

实测EvoX Agent：100个AI智能体群集协作如何把正确率从26%拉到71%

涉及实体

相关事实

待验证模型在铅笔计数的多模态图片识别测试中给出34只的正确答案，此时速度为每秒55 Token69% 相似待验证早期Codex在HumanEval基准测试中以37%的准确率独立解决编程题，达到当时最高水平66% 相似待验证微调后的406M模型在测试集上取得36.33 ROUGE-1，作者自建的1.2B系统为35.41 ROUGE-1，两者在统计意义上无法被区分64% 相似待验证Mistral Small 4在单位换算输入上的得分仅为0.699，并产生了265个与正确标签相差精确十的幂次的错误63% 相似待验证无论采用何种编码方式，4位精度只能区分16个不同的数值级别63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/981941

API

curl https://kongchang.com/api/v1/knowledge/claims/981941

MCP

get_claim(id=981941)