待验证50% 置信事实精确时间

XiangqiBench 是一个以中国象棋为载体的可执行基准测试，发表在 arXiv 上，主张智能体评估应衡量闭环结果并同时报告覆盖率与可靠性

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

XiangqiBench：中国象棋揭示LLM智能体的闭环短板

涉及实体

XiangqiBenchproduct arXivproduct

相关事实

待验证像 XiangqiBench 这样强调闭环、对抗和可复现性的评测方法很可能成为下一阶段智能体评估体系的重要方向77% 相似待验证智能体评估基准测试套件包括GAIA、AgentBench和SWE-bench64% 相似待验证应通过静态分析、安全扫描、完善的测试覆盖为AI产出设置护栏62% 相似待验证端到端测试位于测试金字塔的顶层，验证整条业务链路的完整性，与单元测试和集成测试形成互补分工60% 相似待验证GraphEcho 是 arXiv 上一篇论文提出的基准测试，用于检验图智能体是否会把重复出现的信息误认为额外的印证60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975454

API

curl https://kongchang.com/api/v1/knowledge/claims/975454

MCP

get_claim(id=975454)