待验证50% 置信基准精确时间
开发者使用Thingi10K数据集样本以及专门构造的对抗性畸形输入对Sutura进行了鲁棒性测试
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/29
首次发现
有效期至：2026/11/27
来源
涉及实体
相关事实
待验证该测试的构建者是SERPdive的开发者，其产品占据了本次测试13个配置中的3个71% 相似待验证SWE-bench Verified由人工标注者筛除描述模糊或测试不稳定的样本，是业界权威的AI编程能力排行榜之一64% 相似待验证突变测试（Mutation Testing）通过人为引入代码缺陷来检验测试用例是否真正有效64% 相似待验证BenchLocal的测试维度包括工具调用、命令行操作、Bug识别修复、指令遵循、Hermes Agent、结构化输出、数学推理、数据提取共8大类63% 相似待验证该实验的核心方法是冻结Prompt、Model config、Tool schema、Trace四个关键要素以实现可复现的回归检测61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/820894API
curl https://kongchang.com/api/v1/knowledge/claims/820894MCP
get_claim(id=820894)