待验证50% 置信事实精确时间
SWE-bench和LiveCodeBench等新型基准试图评估模型在真实场景中的能力，但仍无法完全覆盖工程复杂性
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/9
首次发现
有效期至：2026/12/8
来源
涉及实体
相关事实
待验证代理化场景对模型的工具调用和长程规划能力要求更高，而这些维度是传统代码生成基准难以充分衡量的72% 相似待验证对于大量依赖反射、元编程或复杂依赖注入的项目，CodeGraph的静态分析存在天花板，无法覆盖运行时的动态行为69% 相似待验证当项目文件超过上下文窗口大小时，模型无法全局理解代码库的完整结构和依赖关系，导致处理大型项目时错误率上升65% 相似待验证Agent死循环极少源于程序代码漏洞，核心问题集中在Prompt指令设计不合理和上下文回贯机制缺失两大维度65% 相似待验证模型无关性在工程实践中并非完全透明，不同LLM在提示词格式、上下文窗口长度、函数调用协议及结构化输出能力上均存在差异65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/885718API
curl https://kongchang.com/api/v1/knowledge/claims/885718MCP
get_claim(id=885718)