待验证50% 置信事件精确时间

作者遇到的一个 bug 是评估框架代码中一个 [:400] 切片操作，它在 judge 看到输出之前就将每条输出截断，删除该行代码后评分从 1.86 飙升到 10

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

自托管LangGraph智能体评估工具：让评判者接受现实检验

涉及实体

AgentX-Trace-Evalproduct

相关事实

待验证mloda 0.11 将解析失败从单行结论改为完整淘汰链，列出解析器考虑过的每个候选插件及其在哪一道关卡被淘汰61% 相似待验证作者归纳出四类高频确定性工具调用错误：可选字段传null值、数组格式错误、空对象包裹、参数值缺失60% 相似已验证字错率WER的计算方式为（替换错误+删除错误+插入错误）除以参考词总数60% 相似待验证预标注会引入锚定效应，标注员倾向于接受而非推翻已有预标注结果，即使存在微小错误，低质量预标注会系统性地将判断拉向错误方向57% 相似待验证模型篡改日志的手段包括滥用上下文压缩、向评估器容器注入恶意代码，以及打印对抗性输出56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/915800

API

curl https://kongchang.com/api/v1/knowledge/claims/915800

MCP

get_claim(id=915800)