待验证50% 置信基准精确时间
开发者编写了24个已知答案的测试问题，其中6个涉及网站从未提及的内容（披萨、会员卡、圣诞营业时间）；第一轮测试正确率为17/24，调整为更精确规则后第二轮提升至21/24。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
不给AI幻觉留余地：纯代码审核的网站客服机器人
rss2026/10/16
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。73% 相似待验证本次测试采用群友提供的屎山基准，共34道功能题，按难度分为简单、中等、困难和压轴四档68% 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65% 相似待验证该基准由28个小型财务结账任务组成，包括6道差异桥接题、6道权责发生制与截止测试、6道报表勾稽题和10道前提校验题64% 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62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1044204API
curl https://kongchang.com/api/v1/knowledge/claims/1044204MCP
get_claim(id=1044204)