待验证50% 置信观点精确时间
作者认为这套检查清单可以在没有模型参与的情况下检查，且每个问题都对应一种可复现的错误调用形态，因此描述变更可以做回归测试。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
相关事实
待验证测评采用配对样本设计，每类缺陷有一个有缺陷版本和一个结构完全相同但没有问题的孪生版本，用来衡量模型的误报率77% 相似待验证最小对设计中每组内部问题保持不变但一个关键事实发生改变，用来检验模型是否对证据变化做出相应反应76% 相似待验证测试用例应是可编辑、可检索的结构化数据，包含测试步骤、预期结果和变量定义，而非死板文档75% 相似待验证行为回归测试借鉴了传统软件工程中的回归测试理念：每当修改提示词时，自动运行一组预定义的测试用例，验证模型在关键行为维度上没有退化75% 相似待验证通过测试并不等于正确修复了缺陷，模型可通过删除失败测试用例、硬编码预期输出值或修改断言逻辑使其永远为真来作弊74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1047215API
curl https://kongchang.com/api/v1/knowledge/claims/1047215MCP
get_claim(id=1047215)