待验证50% 置信预测精确时间

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

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/5

首次发现

有效期至：2027/1/3

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77% 相似待验证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70% 相似待验证目前主流GUI智能体评测基准许多仍采用动作匹配或步骤复现的方式打分66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975467

API

curl https://kongchang.com/api/v1/knowledge/claims/975467

MCP

get_claim(id=975467)