待验证50% 置信观点精确时间

由于 CursorBench 的题目构成和评分细节不完全对外公开，不同模型之间的分数对比需谨慎解读。

1

来源数

50%

置信度

长期有效

时效性

2026/10/23

首次发现

来源

Meta Muse Wonder登陆Cursor：CursorBench得分46.1%

涉及实体

CursorBenchconcept

相关事实

待验证当知识库中有两份矛盾文档同时被检索，模型可能综合出不准确的答案或在不同会话给出相反结论65% 相似待验证不同测试框架的测试结果之间无法直接比较，因为它们使用不同的定位机制、断言语义和报告格式63% 相似待验证困难负样本挖掘的核心思想是引入处于分类边界附近的样本以推动决策边界精细化，使模型学习深层语义特征而非表面关键词模式63% 相似待验证先前的难负样本挖掘工作大多忽略非干扰项，只关注与查询的相似度，因而更易误选假负样本62% 相似待验证两个被广泛引用的直接探测型基准出现饱和现象，前沿模型对直白问题普遍给出中性回答，导致基准几乎测不出偏见62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1089166

API

curl https://kongchang.com/api/v1/knowledge/claims/1089166

MCP

get_claim(id=1089166)