待验证50% 置信事实精确时间

评分方法为加权检测分数：清晰描述一个Bug得满分，仅提及得半分，遗漏不得分；独立AI Agent在不了解实验者评分的情况下对所有九份报告评分，差异不超过半分

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

AI当QA测试员：40个Bug实验揭示提示词设计的意外真相

rss2026/10/16

涉及实体

Claude Codeproduct

相关事实

待验证评估的核心是打分，通常用0到1的连续值表达结果的好坏程度71% 相似待验证AI评委在评分时会出现结果偏差：当仅改变运行结果（而Agent决策过程相同）时，AI评委会在结果出错的版本中给出更低的PROCESS评分。70% 相似待验证agent-ops-check 评分采用 0 到 100 区间，高危发现扣 10 分、中危扣 4 分、低危扣 1 分，仓库自带坏例子得分为 27。70% 相似待验证厂商自测的编码分数通常在精心筛选的子集上测量，独立机构在完整测试集上的复现结果往往偏低70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1043903

API

curl https://kongchang.com/api/v1/knowledge/claims/1043903

MCP

get_claim(id=1043903)