待验证50% 置信事实精确时间
S1MB（System One Mosaic Benchmark）是一套专门评测决策模型的基准，决策模型直接输出判断而非生成文本。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证System One Mosaic Benchmark 衡量的是模型在智能体决策节点上的适用性，而非通用指令遵循或编程能力74% 相似待验证Benchmark（基准评测）是用一套固定题目给模型打分做横向对比，类似模拟考，用于给模型排名61% 相似待验证BEIR Benchmark是一套跨领域的检索评估基准，包含多个数据集和标准指标（nDCG、Recall），是系统对比检索策略的首选。60% 相似待验证基准测试饱和（benchmark saturation）指当多个模型在某项基准上都接近满分时该基准失去区分能力，促使社区推出 GPQA、SWE-bench 等新评测标准55% 相似待验证System One模型擅长方向检测、语言检测、分类、拆分这四类需要快速决策的文档任务55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1030144API
curl https://kongchang.com/api/v1/knowledge/claims/1030144MCP
get_claim(id=1030144)