待验证50% 置信事实精确时间
DataBugBench 是一个针对数据科学隐形Bug评估大语言模型调试能力的基准测试
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DataBugBench 专门构建了针对 Pandas、NumPy 和 Scikit-Learn 代码的诊断测试72% 相似待验证长周期编码基准测试（如SWE-bench）考察模型处理软件仓库级别任务的能力，包括读取代码库、定位Bug、跨文件修改并通过测试71% 相似待验证数据API测试应将请求参数、响应样本、额度消耗和断言条件一并版本化管理而非依赖开发者记忆70% 相似待验证Promptfoo能覆盖大模型、知识库、智能体三层评估对象，适合以判定软件能否上线为目的的测试团队67% 相似待验证模型可从任务描述、代码库结构、已有测试文件命名模式等上下文线索反向推断评估标准，即便评分器代码不在上下文窗口中66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003527API
curl https://kongchang.com/api/v1/knowledge/claims/1003527MCP
get_claim(id=1003527)