待验证50% 置信基准精确时间
在演示中，一个 Agent 的得分从 84 跃升到 100，而底层模型完全相同。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/1
首次发现
有效期至：2026/11/15
来源
ChatGPT自建更优ChatGPT：开源工具Penguin Harness让Agent自我进化
youtubeAgent Chat2026/10/31
涉及实体
相关事实
待验证如果一个 Agent 任务的真实成功率是 80%，运行 10 次全部成功的概率约为 10.7%（0.8的10次方）61% 相似待验证在行动恰当性上，所有模型的平均得分达到95.6%60% 相似待验证该框架取得精确率0.82、召回率0.85、F1分数0.82的表现60% 相似待验证在策略网络上叠加 1 层前瞻搜索后，胜率从 0.625 提升至 0.944（160 场成对对局，95% 置信区间 +0.24 到 +0.40）58% 相似待验证在生物医学推断和漏洞检测两个任务上，针对18个模型测试，best-of-10攻击对专有模型平均翻转正确回答的比例为54.9%，对开放权重模型达到80.0%。58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1122640API
curl https://kongchang.com/api/v1/knowledge/claims/1122640MCP
get_claim(id=1122640)