研究与基准测试/2026-11-02/18 分钟Seq@K：在序列反馈下评测语言模型独立抽样的 Pass@K 看不见模型会不会改。Seq@K 在每次失败后交回反馈，再允许最多 K 次修订。七个基准、十六个前沿模型上，序列反馈改写排名，短序列校准也能以低得多的成本选出更好的模型。
