待验证50% 置信事实精确时间

HakemBench 是一个面向土耳其语的「类型化决策」（typed decisions）基准测试

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

HakemBench：土耳其语「类型化决策」基准测试解析

涉及实体

HakemBenchproduct

相关事实

待验证ARC-Bench提供了无泄漏、固定候选的测试协议，直接测量冻结的JEPA风格目标函数是否能正确排序候选动作55% 相似待验证SWE-bench 涉及跨文件依赖分析、版本兼容性判断、回归测试通过等高阶能力，难度比 HumanEval 等写函数类基准更贴近真实工程场景54% 相似待验证研究团队开发了ARC-Bench基准测试，专门审计JEPA风格的世界模型是否能正确排序候选动作53% 相似待验证传统的LLM基准测试大多聚焦于单轮问答、代码生成、推理题目等相对封闭的任务53% 相似待验证SWE-Bench主要依赖单元测试是否通过来判定任务成功与否，但通过测试并不等于代码质量过关52% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975440

API

curl https://kongchang.com/api/v1/knowledge/claims/975440

MCP

get_claim(id=975440)