待验证50% 置信基准精确时间
在Slop Code Bench测试中，所有模型的失败测试数量都呈上升趋势
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
涉及实体
相关事实
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68% 相似待验证工具调用失败率往往是检测提示词回归（Prompt Regression）的最灵敏信号之一66% 相似已验证突变测试（Mutation Testing）通过人为引入代码缺陷来检验测试用例是否真正有效65% 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64% 相似待验证Slop Code Bench的做法是先让模型从零构建一个项目，然后不断追加功能，每个挑战包含3到10个检查点63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/976892API
curl https://kongchang.com/api/v1/knowledge/claims/976892MCP
get_claim(id=976892)