待验证50% 置信基准精确时间

在 Agent 审计测试中，Jev 以 93% 概率认定'草稿已成功保存'的说法没有工具证据依据，判定任务失败

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/18

首次发现

有效期至：2026/12/17

来源

Jev 实测：这个主打极速判断的 AI Agent 到底强在哪？

涉及实体

相关事实

待验证仅记录提议的调用和工具响应不足以判断Agent安全测试结果的真实原因67% 相似待验证多数商业检测器不公开其准确率的真实测试结果，该项目仍缺乏可验证的完整数据集和方法论文档64% 相似待验证80% 修复率的测试条件、样本范围及适用故障类型尚无公开数据支撑，仍需在真实环境中检验63% 相似待验证作者尚未在当前发布的checkpoint上重跑IFEval基准，也未测试编程性能62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931426

API

curl https://kongchang.com/api/v1/knowledge/claims/931426

MCP

get_claim(id=931426)