待验证50% 置信事实精确时间

该基准包含 72 个测试用例

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能否识别"证据不足"？一个证据充分性基准测试实验

涉及实体

Evidence Sufficiency Evaluationconcept

相关事实

待验证session-indexer 项目拥有 75 个通过的测试用例69% 相似待验证本次测试截止在8192的提示词长度66% 相似待验证测试共跑了 130 个变体，覆盖不同推理努力程度，通过 OpenRouter 调用并尽可能锁定各实验室官方端点66% 相似待验证研究者在两个代码评判基准上对MARCH框架进行了原样运行，覆盖80组条件×单元的测量65% 相似待验证该基准测试包含24个合成案例，覆盖正在运行的操作、丢失的确认回执、未知的执行结果、合法的新意图、授权变更以及目标绑定变更等场景64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003394

API

curl https://kongchang.com/api/v1/knowledge/claims/1003394

MCP

get_claim(id=1003394)