待验证50% 置信事实精确时间
测试设计了50个可自动校验的任务，分为数学多步计算、从订单备注提取JSON、分类支持工单、条件过滤并排序、严格格式写作五类，每类10题，每题均有标准答案。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证构建小型测试集应从30到50个真实问题开始，每个问题附带正确答案和包含答案的文档，分别衡量检索（正确文本块是否出现在靠前结果中）和生成（最终答案是否由检索文本支撑）两方面。75% 相似待验证测试题分为40道易核查题和40道难核查题，所有数学、代码、日期类标准答案都在 Python 中验证74% 相似待验证传统的LLM基准测试大多聚焦于单轮问答、代码生成、推理题目等相对封闭的任务73% 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73% 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73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1018317API
curl https://kongchang.com/api/v1/knowledge/claims/1018317MCP
get_claim(id=1018317)