待验证50% 置信事件精确时间
一位研究者为Kaggle基准挑战赛搭建了一套RAG测试，虚构一家公司生成50份内部文档，向每个模型提出90个问题，每题附带2到50份文档
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证研究者构建了名为 ALIGNMENTFORECASTBENCH 的基准测试集，覆盖超过5000个预测问题、17个目标模型、32个数据集和16种失效模式68% 相似待验证该基准测试基于Kaggle Benchmarks平台，每个模型共需回答287道计分题，涵盖数字、动词、翻译、完形填空、纠错五个维度67% 相似待验证作者公开了代码、实验数据以及105个检查点，覆盖36个形状并附带训练配置，模型托管在 Hugging Face 上66% 相似待验证团队编写自动化验收脚本，针对关键球查询、事实陷阱题、敏感拦截、多轮对话共63个用例全部跑通，并支持一键回归测试66% 相似待验证该基准测试使用统一的100个问题集，每个问题只发起一次搜索，所有配置使用相同的answering model处理返回内容65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003216API
curl https://kongchang.com/api/v1/knowledge/claims/1003216MCP
get_claim(id=1003216)