正在加载页面…
来源:paper-fixed:Abstract; Sections 4.3-4.4; Figure 3; PDF pages 1 and 6
这条 Claim 暂无已发布的不可变 Assessment。
这条 Claim 暂无关联执行。
已评估 0/3 项
保留同一结论下的完整结果组。已有评估排在前面;单项判断不替代整组结论。展开行查看条件、来源与历次证据。
| 指标与条件 | 论文报告 | 最近可用实测 | 证据判断 |
|---|---|---|---|
trials: 5 · dataset: HotPotQA · metric_scope: task success rate · test_tasks_per_trial: 100 | 22 percentage_points | — | 尚未评估 |
trials: 5 · dataset: ChartQAPro · metric_scope: task success rate · test_tasks_per_trial: 100 | 26 percentage_points | — | 尚未评估 |
trials: 5 · dataset: Mind2Web · metric_scope: task success rate · test_tasks_per_trial: 100 | 27 percentage_points | — | 尚未评估 |