待验证50% 置信解决方案精确时间

校准代码中对「部分满足」的处理采取保守策略，直接视为失败

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

你的LLM评估套件在骗你：构建真正可靠的对抗性测试

涉及实体

校准代码concept

相关事实

待验证当已完成的工作流中某个可选依赖不可用时，运行会被标记为 DEGRADED，确定性结果依然可用，受影响的步骤被记录为失败72% 相似待验证预测损失合理但下游控制精度为0%高度符合表征坍缩的特征，即编码器骗过自监督目标却未学到有用动态信息72% 相似待验证覆盖率本质上是负向指标，能告诉你哪些代码没有被执行，却无法保证被执行的代码被正确断言71% 相似待验证级联失败是指单次工具调用错误会污染后续上下文，导致模型在错误的中间状态上继续推理，最终使整个任务偏轨71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1000842

API

curl https://kongchang.com/api/v1/knowledge/claims/1000842

MCP

get_claim(id=1000842)