待验证50% 置信事实精确时间
该基准测试评分完全确定性，不使用任何LLM裁判，只有字节级完全匹配才算忠实
1
来源数
50%
置信度
长期有效
时效性
2026/10/11
首次发现
来源
涉及实体
相关事实
待验证精确匹配和规则校验只能验证输出的形式正确性，无法判断语义质量75% 相似待验证该基准测试的每一项检查都由代码完成，没有使用任何 LLM 当评委，输出按 parse、schema、lane、defer、faithful 五个维度打分75% 相似待验证该基准测试使用确定性检查器（deterministic checker）评分，答案要么对要么错，不使用大模型当裁判74% 相似待验证测试中大多数LLM能更忠实地遵循指令，所有测试的LLM在保留未编辑部分方面都表现更好72% 相似待验证确定性验证（如编译通过、类型检查、测试用例全绿、lint无违反）提供了不依赖模型自我评估的客观判断标准70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1000259API
curl https://kongchang.com/api/v1/knowledge/claims/1000259MCP
get_claim(id=1000259)