核对业务写入与事件通知是否一致
标准：业务写入与事件交付一致性原子outbox · 重放与去重 · 维护说明
人的责任决定一致性、补偿和上线责任
基础草案3条验收门槛 · 2组相关来源
Terminal-Bench / Harbor / 任务基准
Terminal-Bench
终端执行和环境验证
证据条件
- 版本
- 4.0.0
- 资料开放性
- 公开任务与结果
- 来源家族
- Terminal-Bench / Harbor
- 下次复核
- 2026-11-26
- 本站复现
- 未运行；引用外部研究
阅读限制
这份证据还不能证明
跨大版本不可直接比较
同一实验的论文、博客和转载按一组来源计算。本站任务适配属于分析判断，不代表上游测试了本站任务。
外部结果快照
保留原指标，不作跨基准总排名本页暂未摘录可解释的数值快照
可查原始结果入口。没有记录的分数保持未知，不以旧数字补齐。
关联的工作任务
以下为部分覆盖或方法关联，尚未完成逐题对应。
评测工具Agent，定位失败与回归
标准：工具Agent评测与回归诊断分层评测 · 故障归因 · 修复与回归
人的责任审验收定义、上线范围、归因不确定
基础草案3条验收门槛 · 5组相关来源
判断新模型版本是否可以发布
标准：模型版本发布决策限域发布/影子/拒绝建议与回滚条件
人的责任确定阈值及上线范围
基础草案3条验收门槛 · 3组相关来源
连接业务系统，交付可恢复的流程
标准：受限业务系统集成与交接集成 · 对账 · 故障/撤销 · 运维交接
人的责任客户系统所有者批准上线；FDE负责交付事实
完整示例4条验收门槛 · 7组相关来源