待验证50% 置信事实精确时间
FairScreen是开发者Maksim Silchenko为Kaggle基准测试挑战赛打造的项目，用十个LLM在已知答案的虚构简历上做系统测试，评估LLM招聘筛选决策
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证FairScreen测试对比了四种决策方式：直接判断、加入公平性指令、先提取事实再判断、以及用代码对同一份提取结果执行可运行策略65% 相似待验证开发者 olgazju 构建了一个名为「Where Did My Data Go?」的 Kaggle 基准测试，用于检验 LLM 在证据不足时是否诚实承认无法判断数据去向64% 相似待验证一位开发者在Kaggle Benchmarking Challenge中提交了一个新基准测试，衡量每个正确答案的成本而非单纯的模型价格63% 相似待验证Kaggle竞赛数据已经过清洗且任务定义明确，而真实工业项目最难的部分是定义正确的问题和从混乱业务数据中提取有用信号63% 相似待验证一位研究者为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62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003870API
curl https://kongchang.com/api/v1/knowledge/claims/1003870MCP
get_claim(id=1003870)