待验证50% 置信事实精确时间

持续将线上发现的新failure case纳入评估集，形成发现问题到沉淀case到防止回归的闭环，这一实践被称为评估驱动开发（Eval-Driven Development）

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

AI Agent回滚难题：Prompt、工具与模型如何协同版本管理

涉及实体

Eval-Driven Developmentconcept

相关事实

待验证Fail-First提出的评估指标关注系统在现实证明动作错误后是否仍重复同类错误，比任务成功率更具诊断价值71% 相似待验证自动程序修复（APR）研究表明，即使是基于测试套件指导的补丁生成，也常出现过拟合测试用例的问题，即补丁通过现有测试但在未覆盖路径上引入新错误71% 相似待验证采用配置驱动加去重校验的方式可以在构建阶段拦截模型列表重复等低级错误71% 相似待验证failure-driven testing（失败驱动测试）指每当线上出现因上下文裁剪导致的错误答案，立刻将该用例提炼为永久性回归测试用例70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/966793

API

curl https://kongchang.com/api/v1/knowledge/claims/966793

MCP

get_claim(id=966793)