待验证50% 置信事实精确时间
Typed Decisions 包含 agent_trace_observability、customer_service、invoice_processing、security_incidents 四个子集，每个子集包含 400 行数据，划分为训练集（300 行）和测试集（100 行）。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
Darwin-27B-ZTC-v5登顶决策基准榜 准确率0.81创新高
rss2026/10/16
涉及实体
相关事实
待验证研发团队部署了多种 Agent 来监控关键训练运行、反馈配置错误、检查奖励尺度、定位并修补 bug、以及审查数据重复问题。69% 相似待验证团队编写自动化验收脚本，针对关键球查询、事实陷阱题、敏感拦截、多轮对话共63个用例全部跑通，并支持一键回归测试67% 相似待验证该基准测试共设计 40 个请求、6 个类别，涵盖忠实度、单位换算、多语言（孟加拉语、印地语）、注入攻击、超范围和模糊输入67% 相似待验证最可靠的决策方式是做小型限定时间试验：从真实工作中取几十个案例，跑基于API的方案并按生产标准打分，测试集应覆盖常规任务、边界案例和独特术语格式三类场景。67% 相似待验证SkillCascade-Bench包含213个经过验证的级联测试用例，覆盖多种智能体系统与应用领域67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042942API
curl https://kongchang.com/api/v1/knowledge/claims/1042942MCP
get_claim(id=1042942)