来源事实
Designer-RSI → 改变 → GenEval2执行成功率
摘要报告,在完整Designer-RSI设置下,Claude Sonnet 4上的GenEval2执行成功率由72.7%升至99.3%。这是实验结果,不是对技能扩充、修订或回放检查中某一组件的独立因果估计,也不是生产环境验收率。
查看关系证据
摘要报告,系统经过五轮、涉及1,406份真实用户需求和1,869条自动评分执行轨迹,在不更新权重、无人类标签的条件下,将技能数从76增至139。Claude-Sonnet-4上的GenEval2执行成功率由72.7%升至99.3%,生成质量增加11.99分。[S4]阅读完整研究