待验证50% 置信基准精确时间
NepKANUN 评估采用 BERTScore 作为衡量指标，并按问题难度分级测试
1
来源数
50%
置信度
长期有效
时效性
2026/9/16
首次发现
来源
涉及实体
相关事实
待验证评估提取系统抗衰减能力应构造梯度难度测试集分别统计简单、中等、复杂文档的准确率曲线，而非只看整体平均值66% 相似待验证该 Skill 内置了扫描、评分和失败分析的辅助脚本，用于对现有选择器策略进行分级评分并识别高风险脆弱选择器64% 相似待验证编程能力的评估通常参考HumanEval、MBPP、SWE-bench等标准化基准测试，但实际工程场景表现与基准测试结果存在差异63% 相似待验证当一轮提示词未通过内部质量检查时，Loop Assist会精确识别需要修改的部分并定位具体的失败条件，而非盲目重跑63% 相似待验证过程层也称轨迹评估（Trajectory Evaluation），包含工具调用精准度、执行路径效率、自主纠错能力三项核心指标62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/924866API
curl https://kongchang.com/api/v1/knowledge/claims/924866MCP
get_claim(id=924866)