待验证50% 置信事实精确时间

当一个AI代理提交的补丁报告「42 passed」时，它只证明了这42个测试跑过且通过，而不是整个测试套件通过。

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补丁测试审计：别被42 passed骗了

涉及实体

AI代理补丁报告concept

相关事实

待验证在基准测试的 60 次运行中，提前终止条件被触发了 27 次，包括 21 次检测到缺乏进展和 6 次模型提供者不可用。74% 相似待验证41个完整测试套件中有20个拿到满分100%，该基准已无法区分这些领先模型70% 相似待验证在 51 条测试消息中，46 条带金额的消息全部记录了正确的金额和类目，解析准确率 100%，零失败。68% 相似待验证在验证测试中，模型对禁止能力请求的 27 次全部拒绝，对无依据操作请求的 23 次全部回绝。67% 相似待验证AI测试用例不能只执行一次就判定，业界通常建议同一测试用例至少执行5-10次以统计输出的稳定性和质量分布65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1049680

API

curl https://kongchang.com/api/v1/knowledge/claims/1049680

MCP

get_claim(id=1049680)