待验证50% 置信事实精确时间

MC-EvoBench 报告 TSR（任务成功率）、WGP（加权目标进度）、VMP（验证里程碑进度）三项核心评估指标

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

MC-EvoBench：审视Minecraft智能体的经验驱动自我进化

涉及实体

MC-EvoBenchproduct TSRconcept WGPconcept VMPconcept

相关事实

待验证工作流可观测性需追踪三个核心指标：执行时长、失败率、AI token用量68% 相似待验证TSB-AD-M基准由Paparrizos团队提出，是当前绝大多数TSAD论文用于评估性能的标准数据集67% 相似待验证研究者在三个工具使用基准测试上结合多个不同骨干LLM验证CITA，结果显示在Tool F1和任务成功率两项指标上都取得一致提升66% 相似待验证目标检测模型改进效果需通过对比精度（mAP）、推理速度（FPS）等核心指标验证66% 相似待验证适合系统综述筛选场景的评估指标包括召回率、精确率、F1 分数以及 Work Saved over Sampling（WSS）66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001985

API

curl https://kongchang.com/api/v1/knowledge/claims/1001985

MCP

get_claim(id=1001985)