待验证50% 置信事实精确时间
提示语的措辞是在100个BIRD问题上选定的，而这些问题是测试集的一部分，存在调参污染。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/17
首次发现
有效期至：2027/1/15
来源
涉及实体
相关事实
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70% 相似待验证测试设计了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。66% 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66% 相似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。66% 相似待验证该基准测试共设计 40 个请求、6 个类别，涵盖忠实度、单位换算、多语言（孟加拉语、印地语）、注入攻击、超范围和模糊输入65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1050464API
curl https://kongchang.com/api/v1/knowledge/claims/1050464MCP
get_claim(id=1050464)