待验证50% 置信事实精确时间

该基准由200个人工构造的任务项组成，分为route、classify、judge、ground四种形态，其中五分之一的题目只能用ESCALATE正确回答

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

AI模型何时该说"我不知道"？一个Kaggle升级基准的实测结论

涉及实体

Escalation Benchmarkproduct

相关事实

待验证研究者在参照TriggerBench已发布结构构建的合成任务集上评估，该任务集包含48段盲写对话和175个任务71% 相似待验证一个可验收的提示词应写清四件事：任务是什么、依据哪段资料、输出什么格式、缺信息时怎么处理65% 相似待验证该项目单个仓库内置278个技能、67个子智能体、94条现成命令，覆盖12种语言生态65% 相似待验证判别式任务的最优策略由一组阈值构成，每个类别对应一个阈值65% 相似待验证工具站搭建应先规划100个以上目标受众真正需要的小工具，并保持主题聚焦63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002959

API

curl https://kongchang.com/api/v1/knowledge/claims/1002959

MCP

get_claim(id=1002959)