待验证50% 置信观点精确时间

论文中出现的评估数字来自系统供应商自身，无法在本地重新运行，基准测试分数未独立验证。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/14

首次发现

有效期至：2027/1/12

来源

83页报告拆解11个编码Agent：三条发现，一次常量验证

涉及实体

Wavestone AI Labcompany

相关事实

待验证基准分数不能直接等同于生产环境表现，上线前的独立验证仍不可或缺72% 相似待验证私有持有的基准测试数据不公开，模型无法在训练阶段见过评测集，能更真实反映泛化能力并避免刷榜污染71% 相似待验证该检查无法失败的根本原因是提示词本身已包含一条约束，使得检查所针对的那个缺陷根本不可能被生成出来。70% 相似待验证安全测试生成的输出只是起点清单，不能替代专业的安全评估或专用安全工具，且只应对自己拥有或明确获得授权的系统运行这些测试70% 相似待验证该发布属于供应商能力描述，并未提供足够的测试细节来独立验证效率、恢复行为或特定站点的部署速度。69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1030512

API

curl https://kongchang.com/api/v1/knowledge/claims/1030512

MCP

get_claim(id=1030512)