待验证50% 置信事实精确时间

按 pass@20 排名和按 all-20 排名得到的结果几乎相反，发现能力强不代表执行稳定性高

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

ThinkingBox：微软用20次重复测试重新定义AI智能体可靠性

涉及实体

ThinkingBoxproduct

相关事实

待验证研究表明，即使能力相对较弱的模型，其pass@10或pass@20的表现往往能够接近强模型的pass@1水平71% 相似待验证在竞争激烈的顶会投稿中，接收率往往只有20%-25%71% 相似待验证同一个精心设计的提示词在不同平台间直接复用时，输出质量可能出现20-40%的效果落差64% 相似待验证讨论者的共识是如果基座模型在pass@16上的成功率为0，RL几乎不可能凭空创造出新能力，但只要存在非零成功概率RL就能将其增强放大64% 相似待验证研究表明不同提示策略在同一模型上可能导致召回率相差超过 20 个百分点64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/991241

API

curl https://kongchang.com/api/v1/knowledge/claims/991241

MCP

get_claim(id=991241)