待验证50% 置信概念精确时间
该基准围绕三个动作展开：In（访问）、Decide（决策）、Prove（举证），分别对应网站是否允许 agent 抓取和购买、公布的商品条款是否精确到足以支撑一次具体购买决策、以及是否留下能证明双方约定内容的证据。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证本届大会的主题骨架由评估（evals）、信任验证（verification）与 Agent 支付三条线索构成74% 相似待验证Agent 评估当前主流方案分为三类：基于确定性断言的任务完成率、LLM-as-Judge、端到端基准测试集（如 SWE-Bench、WebArena）70% 相似待验证论文《Get In, Decide, Prove: A Merchant-Side Readiness Benchmark for Agentic Commerce》提出了一个面向商家侧的评估基准，并公布了一轮试点结果。69% 相似待验证Browser Use 内置 judge 机制，用来评估 Agent 是否陷入循环并尝试恢复67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1023803API
curl https://kongchang.com/api/v1/knowledge/claims/1023803MCP
get_claim(id=1023803)