待验证50% 置信事实精确时间

一项研究将维基百科游戏改造成可量化的测试平台，用于评估语言模型在信息检索场景下的导航能力

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

语言模型能玩转维基百科游戏吗？导航能力大考

涉及实体

Wikipedia Gameconcept 语言模型concept

相关事实

待验证该团队的Web端自动化测试使用Playwright69% 相似待验证WikiSkill的消融实验测试了允许推理智能体在训练期间读取Wiki层的效果67% 相似待验证基于视觉或AI驱动的跨平台测试工具的核心卖点是统一断言语义，测试在用户可见和可操作的层面进行67% 相似待验证网页自动化测试中传统方案（如Playwright+LLM）一条完整用例往往需调用大模型数十次66% 相似待验证论文在检索任务上进行了实验，结果表明锚点散度提供了既有效又高效的方式来指定上下文相关的语义相似性66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001880

API

curl https://kongchang.com/api/v1/knowledge/claims/1001880

MCP

get_claim(id=1001880)