待验证50% 置信事实精确时间
项目明确指出了基准测试在哪里不再匹配真实工作
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/30
首次发现
有效期至：2026/12/29
来源
涉及实体
相关事实
待验证本次测试仅覆盖了复刻维度，即给定明确目标看模型能否精准还原，尚未测试编导（镜头想象力）能力70% 相似待验证现有基准测试如WebSRC、Design2Code主要衡量结构还原度，并不涉及品位判断69% 相似待验证评估前必须验证测试框架对声称评过的每一行都真正打了分，否则默默吞错的脚本会给出排除了最难边缘case的虚假100%通过率69% 相似待验证Tests验证确定性的部分，Evals验证非确定性的部分（Agent路径、工具选择、产出达标）69% 相似待验证作者指出该工具本质上是模式匹配（pattern matching）而非证明（proof），扫描命中只代表需要人工去看，扫描结果干净也不代表项目绝对安全69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/962969API
curl https://kongchang.com/api/v1/knowledge/claims/962969MCP
get_claim(id=962969)