待验证50% 置信事实精确时间

SkillBench专注于测量模型+Skill组合系统在特定任务上的增量性能，与MMLU、HumanEval等衡量模型通用能力的传统基准不同

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/19

首次发现

有效期至：2026/10/17

来源

别再盲发Skills！DeepMind工程师的Agent评估实战指南

相关事实

待验证Skill机制采用按需加载方式，先发送所有Skill的元数据给大模型，大模型选择匹配的Skill后再加载完整指令75% 相似待验证SKILL.md 中显式描述工作流可以将模型行为锁定在可预期的执行路径上，提升任务完成质量75% 相似待验证技能库采用懒加载设计，Agent Harness 只需解析 Front Matter 即可判断是否激活某个技能，从而规模化扩展而不显著增加 token 消耗75% 相似已验证Skills是一个专门为测试人员设计的工具平台75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/564424

API

curl https://kongchang.com/api/v1/knowledge/claims/564424

MCP

get_claim(id=564424)