待验证50% 置信事实精确时间
在修正后的数据中，按变更计，91个智能体PR中有14个包含WEAK测试，而71个维护者提交中只有1个。
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
待验证读者通过重新加总结果文件发现作者跳过的一行数据：维护者文件列出212个测试中有9个判定为WEAK（4%），而智能体文件列出591个中有79个（13%）。73% 相似待验证当前数据集包含 29 个模型/配置条目下的 770 次记录尝试，但统一测试套件中只有 16 个不同任务64% 相似待验证研究团队在12个模型、总计121,680次有效试验上做回溯性消融分析，其中79,853次未通过可执行检查64% 相似待验证测试套件共10个，大多数各跑1000题，HumanEval为164题，TruthfulQA为817题63% 相似待验证研究人员经人工验证确认了91个失败，并将其归入7个失败位点（failure locus）63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1028488API
curl https://kongchang.com/api/v1/knowledge/claims/1028488MCP
get_claim(id=1028488)