待验证50% 置信事实精确时间

该基准测试包含24个合成案例，覆盖正在运行的操作、丢失的确认回执、未知的执行结果、合法的新意图、授权变更以及目标绑定变更等场景

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

AI Agent操作恢复基准测试：当任务完成却得零分

涉及实体

Agent Operation Recoveryconcept

相关事实

待验证该Agent定位了出错代码行、撰写修复方案、跑通28个测试全部通过，并验证不打补丁将有15个用例失败71% 相似待验证该测试方案将执行级别锁定为18条Case，覆盖正常与边界、非法输入、鉴权与权限、余额校验、重放（幂等性）、数据隔离等风险场景71% 相似待验证四要素绑定记录使得测试案例可以在提示词、模型或适配器变更之后被重新运行70% 相似待验证测试覆盖验证、插值、未见组合、分布外编辑四种设定69% 相似待验证LRO-Bench实现建议中28项测试里有16项无法被基准实际运行的那几次执行所判定69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002785

API

curl https://kongchang.com/api/v1/knowledge/claims/1002785

MCP

get_claim(id=1002785)