待验证50% 置信基准精确时间
在五个公开数学基准上，以相同的训练步数和数据量对比，CoRD 相比在线蒸馏将平均 pass@1 提升 0.9 到 2.0 个百分点，pass@8 提升 1.2 到 3.4 个百分点。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/6
首次发现
有效期至：2027/2/4
来源
涉及实体
相关事实
待验证小模型RL后训练中正确率从4%提升到45%（pass@1）73% 相似待验证每个提示的在线样本数从1增加到7，LC胜率变化最多2.1个点；间隔（margin）从1扫到5，在独立管线中LC胜率最多变化2.4个点。69% 相似待验证在 50 个合成杂务场景上的基准测试中，微调后的 SlothDistill 相比基座 Llama-3-8B，p95 决策延迟从 1,420 ms 降至 185 ms（提升 7.6 倍），平均输出 token 从 412 降至 48（省 88.3%），直接动作准确率从 62.4% 提升至 97.8%，每千任务 API 成本从 $1.85 降至 $0.22（便宜 88.1%）。66% 相似待验证在困难分层上，recall@5从0.000提升到0.955（默认混合权重下），采用下限变体时召回率达到1.00065% 相似待验证该研究中的迁移实验显示，在同一数据集上微调带来的性能提升范围为+6.8至+23.1个百分点。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1141700API
curl https://kongchang.com/api/v1/knowledge/claims/1141700MCP
get_claim(id=1141700)