待验证50% 置信基准精确时间
在 ViBench 2.0 基准测试中，即便是最好的模型也只有49-65%的构建能通过所有检查。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/4
首次发现
有效期至：2027/2/2
来源
涉及实体
相关事实
待验证ViBench 2.0 是一个针对长周期软件构建的基准测试，旨在评估智能体在无全局视野条件下从零构建完整产品的能力。68% 相似待验证评估前必须验证测试框架对声称评过的每一行都真正打了分，否则默默吞错的脚本会给出排除了最难边缘case的虚假100%通过率67% 相似待验证极简模式只保留最必要的能力，主要用于跑基准测试（benchmark）67% 相似待验证与传统变异测试工具（如 PIT、mutmut）相比，本文的轻量变异方法计算成本极低（只运行一次套件），但只能验证“修复是否被测试约束”，不能全面评估测试套件的整体强度。66% 相似待验证现有基准测试如WebSRC、Design2Code主要衡量结构还原度，并不涉及品位判断66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1137108API
curl https://kongchang.com/api/v1/knowledge/claims/1137108MCP
get_claim(id=1137108)