Unverified50% confidenceFactExact time
Terminal-Bench-Science 的评测逻辑是端到端的，其产出结果可被自动验证
1
Sources
50%
Confidence
Long-term
Relevance
9/12/2026
First Seen
Sources
Related Entities
Related Claims
Verified验证循环对数学、代码、逻辑推理这类具有明确可验证性的任务尤其有效，因为对错往往可以被程序化地检测出来76% similarUnverified干运行设计的关键原则是验证逻辑应尽可能与执行逻辑共用同一代码路径，只在最终副作用产生步骤分叉，否则预测结果与真实执行结果会出现难以察觉的偏差72% similarUnverified验证循环的核心是在推理阶段通过外部循环机制让模型对自己的输出进行多轮验证与修正，形成生成—检验—反馈—重试的闭环71% similarUnverifiedAstra模型将每一项结果形式化为Lean证明凭证，使得底层逻辑可以被机器自动检查70% similarUnverifiedRAGAS、TruLens等评估框架可自动对推理步骤的忠实度打分70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/912327API
curl https://kongchang.com/api/v1/knowledge/claims/912327MCP
get_claim(id=912327)