待验证50% 置信事实精确时间

LSCBench的提示词从不提及安全，每个任务只要求功能，且每个任务仅一次尝试（pass@1），无部分得分、无LLM裁判，功能测试和安全测试双双通过才计分。

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编程代理91%能跑通，仅25%安全可上线

涉及实体

LSCBenchconcept

相关事实

待验证LRO-Bench实现建议中28项测试里有16项无法被基准实际运行的那几次执行所判定65% 相似待验证传统的LLM基准测试大多聚焦于单轮问答、代码生成、推理题目等相对封闭的任务64% 相似待验证Goal模式在每一次工具调用之前都会做校验，通过工具调用拦截层将调用意图与预设约束比对，从而杜绝越界操作64% 相似待验证SWE-Bench主要依赖单元测试是否通过来判定任务成功与否，但通过测试并不等于代码质量过关64% 相似待验证测试条件为只给一个提示词、只修一轮、中途不追加任何提示62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1047283

API

curl https://kongchang.com/api/v1/knowledge/claims/1047283

MCP

get_claim(id=1047283)