已过期60% 置信事实时间未知
OpenAI推出了Troubleshooting Bench（故障排查基准测试），包含生物实验协议中的真实错误问题
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/5/31
首次发现
有效期至：2026/8/29(已过期)
来源
GPT 5.5即时版深度解析：幻觉率腰斩背后的能力与安全博弈
bilibili英文白斑马
涉及实体
相关事实
待验证OpenAI不再推荐使用SWE-Bench Pro作为评估代码生成能力的基准测试61% 相似待验证OpenAI工程团队通过大规模核心转储分析，定位到一处硬件故障并发现了一个潜伏长达18年的软件Bug60% 相似待验证OpenAI、Anthropic等公司正在研究的防注入技术方案包括将数据内容沙盒化、训练模型拒绝执行数据层指令、以及用监督模型检测执行模型输出59% 相似待验证OpenAI的Evals框架和PromptFlow提供了Prompt的自动化测试能力58% 相似待验证测试使用 OpenCode 作为 AI 编程代理工具，该工具能理解完整项目上下文、自主规划开发步骤、生成多文件代码并根据错误反馈自我修正57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/3400API
curl https://kongchang.com/api/v1/knowledge/claims/3400MCP
get_claim(id=3400)