待验证50% 置信事实精确时间

传统的端到端评测只看最终结果的通过与否，无法区分失败发生在检索阶段还是编辑阶段

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

Agent Retrieval Bench：评估编程Agent找对文件的能力

涉及实体

端到端评测concept

相关事实

待验证传统评测框架往往只能覆盖预设的测试场景，无法捕捉真实用户交互中的隐性失败68% 相似待验证绝大多数LLM评测工具只在答案已经呈现给用户之后才进行打分，无法实时拦截错误输出67% 相似部分验证错误分析的关键在于定位到底是哪一个环节、哪一类输入导致失败，而非盲目调整提示词67% 相似待验证端到端测试的失败往往并非源于真正的功能回归，而是由于用户界面元素变化或服务接口调整所致66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/939129

API

curl https://kongchang.com/api/v1/knowledge/claims/939129

MCP

get_claim(id=939129)