已过期50% 置信观点精确时间
73.4% 的基准分意味着仍有约四分之一的任务表现不达标，且该分数是在最大算力下取得
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/9/16
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/9/30(已过期)
来源
涉及实体
相关事实
待验证一些评估中的'高部分得分'掩盖了仅有0%到4%的真实交付率74% 相似待验证长期运行任务若单次成功率仅85%，每月会有4-5次失败；提升至99%则每月预期失败少于1次，才接近企业可用性标准70% 相似待验证传统的成功率指标难以全面反映策略的鲁棒性，一个策略可能在90%的常规任务中表现出色却在剩余10%的关键场景中出现灾难性失败69% 相似待验证盖洛普民调的标准误差通常控制在±3-4个百分点,置信度达95%69% 相似待验证对于 7B 模型，使用求解器准确率为 75.31%，直接计算为 72.02%，配对提升 +3.29 个百分点，95% 聚类区间为 [-3.49, 10.38] 跨越零点，优势不显著68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/924154API
curl https://kongchang.com/api/v1/knowledge/claims/924154MCP
get_claim(id=924154)