待验证50% 置信事实精确时间
Earth-Bench是一个面向地球观测问答的基准测试集，用于评估智能体在复杂时空约束下的检索与推理能力，覆盖植被监测、灾害评估、气候变化等场景。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证腾讯会员联合复旦大学、清华大学发布探索能力评测工具Exploration Bench，通过构建与常识冲突、规则可验证的外星世界要求AI通过四轮实验修正假设66% 相似待验证AlexBench 是一个侧重代理式任务与真实工作流的自动化评估集合，强调端到端完成度，对测试框架依赖明显。65% 相似已验证Terminal-Bench是专门评估AI模型在命令行环境中执行复杂任务能力的基准测试，涵盖文件操作、脚本编写、系统调试等场景64% 相似待验证UC-Bench是一个由人工标注、专门用于评估用户侧冲突检测能力的基准64% 相似已验证SWE Bench是由普林斯顿大学提出的软件工程基准测试，专门评估AI模型解决真实GitHub Issue的能力62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1133987API
curl https://kongchang.com/api/v1/knowledge/claims/1133987MCP
get_claim(id=1133987)