待验证50% 置信事实精确时间

极简模式只保留最必要的能力，主要用于跑基准测试（benchmark）

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

DeepSeek开源Agent框架Harness：一切皆插件的智能体基础设施

涉及实体

DeepSeek Harnessproduct

相关事实

待验证理想的基准测试应固定模型、工具和任务分布，只让轨迹长度作为单一变量变化67% 相似待验证极简模式只提供Shell和文件编辑器两个工具，主要用于测试模型的裸能力对比66% 相似待验证跑分排名不等于所有场景的实际表现，具体任务仍需具体测试65% 相似待验证现有基准GAIA、BrowseComp只提供明确查询，仅考验多步推理能力，未考虑歧义问题65% 相似待验证任何性能宣称都应指向具体Benchmark并注明版本及测试机构，否则缺乏科学依据65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/902111

API

curl https://kongchang.com/api/v1/knowledge/claims/902111

MCP

get_claim(id=902111)