待验证50% 置信基准精确时间

FollowBench引入多层约束的难度分级，测试模型在约束条件叠加时的稳定性与一致性

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

旗舰模型vs本地27B：谁更忠实执行代码指令？

redditr/ollama2026/7/9

相关事实

待验证WorldBench 将长程一致性作为核心评估维度，考察预测保真度、物理合理性、动作条件响应等多个维度63% 相似待验证异步HITL模式面临幂等性保证挑战，系统需通过唯一任务ID和状态机校验防止重复执行63% 相似待验证单个执行型智能体在长时间运行中会出现目标漂移、走捷径以及中途停止三种典型问题61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/461653

API

curl https://kongchang.com/api/v1/knowledge/claims/461653

MCP

get_claim(id=461653)