待验证50% 置信基准精确时间

研究者在两个代码评判基准上对MARCH框架进行了原样运行，覆盖80组条件×单元的测量

1

来源数

50%

置信度

长期有效

时效性

2026/9/28

首次发现

来源

多智能体代码评审何时可信？无标签检测让AI学会"拒绝猜测"

涉及实体

相关事实

待验证研究者用100条经人工逐调用标注的轨迹对代理裁判进行校准69% 相似待验证COILD 配套引入了一个以领域为中心的评测基准，包含2000条经过专家校验的句子68% 相似待验证研究团队在ADReSS和ADReSSo两个标准数据集上评估了LAPE67% 相似待验证路线图清晰区分了研究与部署两个阶段，包括受控小规模实验、大气监测体系和气候模型预测能力属于知识生产范畴66% 相似待验证在实际测试中，一次Deep Research调用了104个智能体进行定向调研，基于22个来源、59条声明完成了事实核查65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955487

API

curl https://kongchang.com/api/v1/knowledge/claims/955487

MCP

get_claim(id=955487)