概念Self-Verification / 自洽性检查
自我验证
让AI回头核对自身历史输出的方法，用新的真实数据冲击旧假设以暴露偏差，类似软件工程中的回归测试，但并非严格独立审计，需外部锚点辅助
时间轴 (近 90 天)
10月29日
下一阶段的评测焦点不会停留在单一学科基准上，更长程的任务规划、多模态环境下的推理以及模型自我验证能力可能成为新的焦点。
待验证50%
10月25日
自我验证能力指 agent 在执行动作后，能够通过可观测的结果判断自身输出是否正确，并据此调整后续策略。
待验证50%