待验证50% 置信事实精确时间

该基准测试采用完全自动化的双维度评估方式，包括功能测试维度和视觉还原维度

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30

来源

清华智谱发布全栈Web开发基准：顶级AI模型集体翻车

bilibili跟我学一辈子AI吧2026/5/22

相关事实

待验证该方案中 AI 自动评审会进行完整性检查、一致性检查和冗余检查等多维度验证72% 相似待验证泛化测试集应重点覆盖物体泛化、指令泛化与场景泛化三个维度71% 相似待验证SkillSpector支持两种检测模式：不需要模型的本地规则静态扫描，以及接入大模型的深度语义分析71% 相似待验证多模态大模型（如GPT-4V、Claude等）能够直接识别原型图中的UI元素，并基于等价类划分、边界值分析等方法自动推导测试点70% 相似待验证模型评估功能支持构建自定义数据集、自动评分、多维度指标衡量和可定制评分标准69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/51772

API

curl https://kongchang.com/api/v1/knowledge/claims/51772

MCP

get_claim(id=51772)