待验证50% 置信事实精确时间
WorkspaceBench 基准包含 27 个评估族、共 3356 道题目，覆盖安全、逻辑推理和多跳计算等主题。
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
待验证该基准由28个小型财务结账任务组成，包括6道差异桥接题、6道权责发生制与截止测试、6道报表勾稽题和10道前提校验题71% 相似待验证SkillCascade-Bench包含213个经过验证的级联测试用例，覆盖多种智能体系统与应用领域68% 相似待验证Reasoning Dial 基准使用60道代码生成题目集、同一prompt、同一确定性评分器，唯一变化是 reasoning_effort 取值（none/low/medium/high），包含 Deduce（逻辑推理）、Arith（算术）、Distract（干扰计数）三种任务类型。66% 相似待验证评估与测试类别是数量最多的类别，包含33款工具，代表项目有promptfoo、deepeval、openevals65% 相似待验证该评测共108项检查，分三大模块：后端API与全线65分、前端页面与真实交互25分、运行构建打包10分65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1012067API
curl https://kongchang.com/api/v1/knowledge/claims/1012067MCP
get_claim(id=1012067)