待验证50% 置信事实精确时间
将trace与evals结合，意味着每个测试用例的执行都会生成一条完整的trace，当用例失败时开发者可以直接下钻到具体的span进行根因分析。
1
来源数
50%
置信度
长期有效
时效性
2026/11/1
首次发现
来源
涉及实体
相关事实
已验证failure-driven testing（失败驱动测试）指每当线上出现因上下文裁剪导致的错误答案，立刻将该用例提炼为永久性回归测试用例77% 相似待验证采用配置驱动加去重校验的方式可以在构建阶段拦截模型列表重复等低级错误76% 相似待验证任务应拆小分步推进：先分析现状生成改造计划，确认后一次只做一个模块，每完成一段就检查diff、运行测试再继续76% 相似待验证如果训练误差能精确追踪测试误差，可以实现无需验证集的最优停止策略、更高效的超参数调优76% 相似待验证持续将线上发现的新failure case纳入评估集，形成发现问题到沉淀case到防止回归的闭环，这一实践被称为评估驱动开发（Eval-Driven Development）75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1122955API
curl https://kongchang.com/api/v1/knowledge/claims/1122955MCP
get_claim(id=1122955)