概念
success@k
一种批量评测指标，衡量模型在k次采样中至少一次成功的比例，常用于评估代码生成或实验执行等任务的可执行性
时间轴 (近 90 天)
10月16日
当编码智能体对这些想法执行概念验证实验时，该模型的success@k与Claude Opus 4.8相当。
待验证50%
10月16日
success@k是一种批量评估指标：给定k个候选想法，若其中至少有若干个被下游实验或人工判定为成功，就记为一次命中；它衡量一组输出中能否找到可行方案。
待验证50%
一种批量评测指标，衡量模型在k次采样中至少一次成功的比例，常用于评估代码生成或实验执行等任务的可执行性
当编码智能体对这些想法执行概念验证实验时，该模型的success@k与Claude Opus 4.8相当。
success@k是一种批量评估指标：给定k个候选想法，若其中至少有若干个被下游实验或人工判定为成功，就记为一次命中；它衡量一组输出中能否找到可行方案。