待验证50% 置信基准精确时间

在MLE-Bench上RL相比未经训练的环境改造方案没有带来任务性能提升

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

AI智能体会看时钟吗？时间预算下的守时与效率困境

涉及实体

MLE-Bench Liteproduct

相关事实

待验证单纯堆砌RL任务数量并不能带来更好的训练效果，无解任务反而拖累整体训练质量72% 相似待验证单轮训练只带来适度的整体校准提升，且在早期前缀阶段毫无改善65% 相似待验证论文发现下游任务的排名与训练损失的排名并不一致，训练损失更低的方案未必在下游评测中表现更好65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990491

API

curl https://kongchang.com/api/v1/knowledge/claims/990491

MCP

get_claim(id=990491)