待验证50% 置信观点精确时间

研究核心结论认为智能体评估应当对闭环结果打分，并把可靠性与覆盖率一并报告

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

相关事实

待验证论文提出了发展智能体可信性评估方法的若干方向，将可信性评估从输出验证扩展到对认知过程本身的审视76% 相似已验证常用的校准评估指标包括期望校准误差（ECE）和可靠性图（Reliability Diagram）76% 相似待验证深度研究智能体的评估可参考RAGAS框架，从忠实度、答案相关性等多维度评测75% 相似待验证研究结果支撑了内部一致性、有界安全性、故障敏感性以及有限的可构造性四个结论75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975466

API

curl https://kongchang.com/api/v1/knowledge/claims/975466

MCP

get_claim(id=975466)