待验证50% 置信事实精确时间
98%的数字来自项目自带的tests/ecosystem-benchmark.ts，该基准包含14个场景，每个场景将保存的工具输出与一份为该文件手写的摘要脚本配对，比较文件原始大小与脚本输出大小。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证TrueForge 团队公布的基准测试基于 DevRel Enterprise Bench 的 14 个任务，涉及与 CRM、issue 追踪器、文档库等系统交互64% 相似待验证ByteBench包含从真实Replit使用记录中挑选的20个测试场景，未使用合成数据64% 相似待验证研究者构建了TrialPD-Bench，一个由专家标注、包含150份公开临床试验方案PDF、覆盖四类任务的基准测试集。64% 相似待验证开发者应用团队真实工单和代码库自行跑小规模对照测试，设定相同约束条件，观察各工具首次通过率、重试次数和总耗时，这比任何公开基准更有参考价值。63% 相似待验证运行特征化目录二十次并对每次拼接后的快照做哈希，必须只看到一个唯一摘要，才能证明测试套件稳定。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1054906API
curl https://kongchang.com/api/v1/knowledge/claims/1054906MCP
get_claim(id=1054906)