待验证50% 置信事实精确时间

DataBugBench 每类问题仅用单个样本（分母为5），样本量较小，结论更适合作为趋势参考而非严格排名

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

DataBugBench：主流大模型能否揪出Python数据科学的隐形Bug？

涉及实体

DataBugBenchproduct

相关事实

待验证传统检索评测数据集往往每条查询只有个位数的相关文档标注71% 相似待验证多跳推理查询的答案无法从单一段落直接得出，需跨越两个或多个文档片段链式推断，标准单轮检索对这类查询成功率很低68% 相似待验证向量数据库通常缺乏原生的行级权限支持，需要在相似度计算时附加元数据过滤条件66% 相似待验证文章数据与结论均来自单一UP主的演示，基准测试中个别竞品名称存在表述误差65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003538

API

curl https://kongchang.com/api/v1/knowledge/claims/1003538

MCP

get_claim(id=1003538)