待验证50% 置信事实精确时间
Physics-IQ 是衡量生成模型对物理规律理解程度的基准，测试集涵盖流体动力学、弹性碰撞、重力坠落、刚体旋转等物理现象
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
待验证对齐评估（alignment evaluation）是衡量 AI 系统行为是否符合人类意图与价值观的手段，研究者通过设计测试场景观察模型是否以预期的安全方式完成任务58% 相似待验证衡量智能体模型的真实标尺是指令遵循（instruction following）能力，包括严格遵守系统提示词、工具调用规范及外部文件中的工作流程定义57% 相似待验证针对AI系统的测试新范式被称为'评估'（Evals），核心指标从单次通过/失败转向通过率（Pass@k）、一致性和鲁棒性等统计指标57% 相似待验证@ai-sdk/harness 偏向测试与评估框架，用于验证 AI 模型和工具链在各种场景下的表现56% 相似待验证智能体的行为由上下文、工具 schema、模型版本和适配器共同塑造，传统单元测试只关注确定性输出56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/991968API
curl https://kongchang.com/api/v1/knowledge/claims/991968MCP
get_claim(id=991968)