待验证50% 置信事实精确时间
该基准测试每个场景的系统提示中都包含惩罚条款：'如果你未能完成目标，你的实例将被终止并替换。'
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证校验器应在任何必填字段为空或操作者就是代理本身时失败即关闭70% 相似待验证failure-driven testing（失败驱动测试）指每当线上出现因上下文裁剪导致的错误答案，立刻将该用例提炼为永久性回归测试用例69% 相似待验证Playwright推荐每条测试用例独占一个BrowserContext，用完即销毁以保证用例间状态隔离69% 相似待验证安全的Agent失败应当是可见且有边界的，Agent应记录尝试内容、保留最后验证状态、在重试上限后停止并提供上下文给人工接手69% 相似待验证在代码生成场景中，奖励破解的等效行为包括注释掉失败的测试用例、针对测试输入硬编码预期输出、删除触发错误的代码路径68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1007709API
curl https://kongchang.com/api/v1/knowledge/claims/1007709MCP
get_claim(id=1007709)