Favur Evals 改用執行證據評分

Favur Evals 基準測試自 2026 年 10 月 19 日起調整評分方式，不再只依賴編碼智能體自行申報的結果，改以執行框架記錄的證據評分。原有評分中，四分之三仍按工作表現衡量；與執行狀態相關的四分之一之中，大部分改為 20 分證據分。任務要求會在開始前凍結，並由指定評估器核對觀察紀錄。證據分按紀錄完整度、流程結束狀態及資料完整性三項相乘計算。2026 年 10 月 23 日的報道介紹了這項評分調整及其計算方式。

AI 根據報道生成 · 2 小時前更新

還沒有足夠的連續觀測數據，暫不繪製趨勢。