待验证50% 置信事实精确时间
ThinkingBox 中每个任务被独立执行 20 次，每次从干净的后端初始状态开始，每个模型需跑 10,140 次试验
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
待验证试点实验让三个编程代理和八个模型各跑八次20分钟单次任务，标签感知F1从0.143到0.892方差极大73% 相似待验证该用户采用独立Worker架构、12个进程并行后，10分钟内完成了近百万步的采集69% 相似待验证开发者运行了20个批次、每批200次试验，共计4000次尝试，每次使用不同随机种子，按KL散度挑选最优候选69% 相似待验证在生存游戏Arena实验中，约100个智能体并行完成任务约20分钟，顺序执行则需数小时68% 相似待验证编码任务实测中模型实现Python流式响应解析器，14项自测一次通过，真实任务总用时约49.94秒，独立复跑14项测试加4项额外检查全部通过67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/991235API
curl https://kongchang.com/api/v1/knowledge/claims/991235MCP
get_claim(id=991235)