待验证50% 置信基准精确时间
代码能力评测基准如HumanEval、MBPP往往侧重算法题，不能完全预测CSS布局等前端细节的实战表现
1
来源数
50%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
GLM-5.2 vs GPT-5.5：思维导图组件垂直居中难题实测对比
bilibili果冻橙橙君2026/6/16
相关事实
待验证当前安全审核系统多采用基于关键词、模式和分类器的方法，难以理解代码意图，导致基于表层特征匹配的误报70% 相似待验证近似最近邻算法在语义搜索场景中的精度损失权衡通常合理，但在代码函数名等精确匹配场景中任何近似匹配都是不可接受的62% 相似待验证针对特定触发词的后门攻击可让模型在大多数情况下表现正常，仅在遇到特定输入时才输出预设错误信息，使常规评测基准难以捕捉61% 相似待验证纯坐标/模板匹配方案的脆弱性在于版式变化零容忍，字体大小、行间距、列顺序的细微调整都会导致解析失败61% 相似待验证如果部署平台的解析器不能正确识别工具调用标记，将其当作普通文本处理，模型会陷入等待状态并不断重复推理形成死循环61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/198570API
curl https://kongchang.com/api/v1/knowledge/claims/198570MCP
get_claim(id=198570)