Unverified50% confidenceBenchmarkExact time
NepKANUN 评估采用 BERTScore 作为衡量指标，并按问题难度分级测试
1
Sources
50%
Confidence
Long-term
Relevance
9/16/2026
First Seen
Sources
Related Entities
Related Claims
Unverified评估提取系统抗衰减能力应构造梯度难度测试集分别统计简单、中等、复杂文档的准确率曲线，而非只看整体平均值66% similarUnverified该 Skill 内置了扫描、评分和失败分析的辅助脚本，用于对现有选择器策略进行分级评分并识别高风险脆弱选择器64% similarUnverified编程能力的评估通常参考HumanEval、MBPP、SWE-bench等标准化基准测试，但实际工程场景表现与基准测试结果存在差异63% similarUnverified当一轮提示词未通过内部质量检查时，Loop Assist会精确识别需要修改的部分并定位具体的失败条件，而非盲目重跑63% similarUnverified过程层也称轨迹评估（Trajectory Evaluation），包含工具调用精准度、执行路径效率、自主纠错能力三项核心指标62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/924866API
curl https://kongchang.com/api/v1/knowledge/claims/924866MCP
get_claim(id=924866)