待验证50% 置信事实精确时间
VCIS-Bench测试围绕三项核心任务展开：整体方案验证（判断VALID/INVALID）、空间定位验证（核验物体坐标）和步骤级错误诊断（找出第一次违反规则的步骤序号）
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证VCIS-Bench（Visual Constraint & Instruction Simulation）是一位开发者构建的合成基准测试，使用7×7网格谜题考察VLM的空间推理能力66% 相似待验证SAO团队选取了SWE-Bench Verified、BeyondAIME和IMOAnswerBench三个高难度基准进行验证66% 相似待验证针对失联问题设计三探针体检：查注册、查账本可写、查tty环境，一条命令输出三行诊断65% 相似待验证Tests验证确定性的部分，Evals验证非确定性的部分（Agent路径、工具选择、产出达标）65% 相似待验证过程层也称轨迹评估（Trajectory Evaluation），包含工具调用精准度、执行路径效率、自主纠错能力三项核心指标64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1000532API
curl https://kongchang.com/api/v1/knowledge/claims/1000532MCP
get_claim(id=1000532)