待验证50% 置信事实精确时间
SOP-Bench 围绕完整的业务流程来评估智能体，测量其在整个流程链条中所需的全部能力，而非单一环节的表现
1
来源数
50%
置信度
长期有效
时效性
2026/9/15
首次发现
来源
涉及实体
相关事实
待验证标准作业程序（SOP）是企业运营中对特定业务流程的规范化描述，通常包含明确的执行步骤、判断条件、异常处理路径和验收标准70% 相似待验证智能水平通常通过一系列任务基准来评估，而功耗可以直接测量67% 相似已验证Terminal-Bench是专门评估AI模型在命令行环境中执行复杂任务能力的基准测试，涵盖文件操作、脚本编写、系统调试等场景67% 相似待验证Terminal-Bench-Science 将测试任务锚定在具体的科研工作流上，Agent 需在包含真实工具和数据的终端环境中独立完成从问题理解到结果产出的全过程66% 相似待验证Terminal Bench检验的是模型能做什么而非知道什么，测量的是模型规划、执行、观察反馈并纠错的完整闭环能力64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/921548API
curl https://kongchang.com/api/v1/knowledge/claims/921548MCP
get_claim(id=921548)