待验证50% 置信事实精确时间
FDE-Gym平台提供在线人类练习模式，使用相同评分标准，为人类与AI对比提供基准线
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
涉及实体
相关事实
已验证AI 编程领域最受认可的评测基准包括 HumanEval（测试从函数文档字符串生成正确实现）和 SWE-bench（在真实 GitHub 仓库中定位并修复实际 issue）63% 相似待验证基于视觉或AI驱动的跨平台测试工具的核心卖点是统一断言语义，测试在用户可见和可操作的层面进行62% 相似待验证Braintrust、Promptfoo、LangSmith、Ragas等LLM评估平台提供版本对比、回归检测、可视化dashboard和GitHub/GitLab集成等功能62% 相似待验证FDE-Gym的差异化定位在于任务输入本身不完整，Agent必须先通过主动交互补全信息，且评估指标是开放式的业务KPI改进幅度而非对错判定62% 相似待验证传统匹配算法如Tinder的ELO评分系统和LinkedIn的技能匹配推荐都基于将人类简化为可计算特征向量的量化逻辑61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1041816API
curl https://kongchang.com/api/v1/knowledge/claims/1041816MCP
get_claim(id=1041816)