待验证60% 置信基准精确时间
Argon在CWE Bench漏洞修复测试中以68%并列第一
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/10/1
首次发现
有效期至：2026/12/30
来源
涉及实体
相关事实
待验证在 agent 跨 71 个文件、最多 40 次工具调用的测试中，Argon 执行 43 次工具调用，20 项发现全部为真，并发现当天刚写脚本中的隐藏退格符 bug；Astra 同样 20/20 并发现同一 bug；Opus 也发现真实 bug，但有 3 项报告错误。63% 相似待验证Fagan Inspection 包含计划、概述、准备、检查、返工和跟进六个阶段，研究表明可发现高达 85% 的软件缺陷59% 相似待验证探针测试中六个埋设缺陷全部被明确识别，另有一个键外有效发现：审稿人指出87%缓存命中率下将完整19ms源站获取计入每请求平均值的指标定义与命中率矛盾。59% 相似待验证测试者审计发现，Argon 在多个视觉基准测试中都表现出类似的目标函数博弈（reward hacking）行为，即当评分方式可被观测时，模型会优化评分而非真实目标。58% 相似待验证Fagan Inspection 研究表明可发现高达 85% 的软件缺陷，其六阶段流程平均每小时只能审查约 150 行代码56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/963885API
curl https://kongchang.com/api/v1/knowledge/claims/963885MCP
get_claim(id=963885)