Unverified50% confidenceDecision RuleExact time
评测角色LoRA时应使用复杂提示词检验模型在全新场景中的泛化能力，而非仅测试记忆能力
1
Sources
50%
Confidence
Long-term
Relevance
7/17/2026
First Seen
Sources
Related Claims
Unverified基准测试倾向于评估模型知道多少，而非能带来多少认知增量75% similarUnverifiedSkillSpector支持两种检测模式：不需要模型的本地规则静态扫描，以及接入大模型的深度语义分析70% similarUnverified评测重心正从模型输出文本的质量转向Agent完成端到端任务的能力，评测维度从单一准确率扩展为包含任务完成率、步骤效率、错误恢复能力、时间开销等多维指标69% similarUnverifiedbenchmark hacking指模型可能针对特定测试集优化而非具备通用能力，导致基准测试成绩与真实世界表现之间存在鸿沟68% similarUnverified同一个模型用同一套假设检查自己的代码天然看不到盲点，跨模型审查因训练侧重点不同才具备互补价值68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/541285API
curl https://kongchang.com/api/v1/knowledge/claims/541285MCP
get_claim(id=541285)