待验证50% 置信解决方案精确时间
单一平均分掩盖分数构成,应按难度划分集合为清晰、对抗、模糊,并分别报告;清晰任务占多数且容易通过,会把对抗和模糊任务的失败平均掉。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
别再自欺欺人:Agent基准测试的六大陷阱与诚实之道
rss2026/10/15
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1037053API
curl https://kongchang.com/api/v1/knowledge/claims/1037053MCP
get_claim(id=1037053)