待验证50% 置信事实精确时间

该基准测试模拟 15 个小型管道场景，每个场景预先决定公司记录真实发生的情况，并故意删除部分日志，用纯代码核对答案而非 LLM 裁判

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

LLM能当数据侦探吗？诚实比贵更重要的基准测试

涉及实体

Where Did My Data Go?product

相关事实

待验证一项针对LLM底层编程能力的基准测试构建了15个专门针对底层任务的测试用例，覆盖自定义内存管理、基础操作系统内核循环、重度数据排序数组处理三大场景70% 相似待验证模型调试的系统化方法之一是先在极小数据子集上验证模型能否过拟合，若无法过拟合则说明模型或训练代码存在bug68% 相似待验证实验对15个前沿模型进行了测试67% 相似待验证采用先写测试并将测试固定为不可修改的'合同'策略，本地模型在约7.5分钟内完成文件整理器任务且8个测试全过66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999554

API

curl https://kongchang.com/api/v1/knowledge/claims/999554

MCP

get_claim(id=999554)