已过期50% 置信事件精确时间
外部测试对 deepseekharness 进行了三轮共39项测试,问题清单累计20多条。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/31
首次发现
此条事实已过期,仅作历史留存,不再代表当前状态
有效期至:2026/11/14(已过期)
来源
开源记忆插件被外部连测三轮:39项测试全通过
bilibili不想写文件2026/10/30
涉及实体
相关事实
待验证本次测试采用群友提供的屎山基准,共34道功能题,按难度分为简单、中等、困难和压轴四档75% 相似待验证该方案在23个测试场景上完成基准评估,规模不大,0%误报率的结论需要更多真实场景验证。72% 相似待验证作者写下了25个测试用例,覆盖无工具问答、计算、代码执行、搜索、多步骤任务以及失败场景。70% 相似待验证研究者构建了名为 ALIGNMENTFORECASTBENCH 的基准测试集,覆盖超过5000个预测问题、17个目标模型、32个数据集和16种失效模式70% 相似待验证评估与测试类别是数量最多的类别,包含33款工具,代表项目有promptfoo、deepeval、openevals69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1120248API
curl https://kongchang.com/api/v1/knowledge/claims/1120248MCP
get_claim(id=1120248)