待验证50% 置信事实精确时间
FINAL Bench是一个覆盖15个领域、100项任务的功能性元认知评估基准，旨在评估模型识别自身错误并修正的能力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证FINAL-Bench 是该基准测试的框架和竞赛基础设施，负责定义评估标准、问题集和排行榜机制，角色类似于评测协议层。73% 相似待验证WorkspaceBench 基准包含 27 个评估族、共 3356 道题目，覆盖安全、逻辑推理和多跳计算等主题。68% 相似待验证Terminal Bench检验的是模型能做什么而非知道什么，测量的是模型规划、执行、观察反馈并纠错的完整闭环能力66% 相似待验证UC-Bench是一个由人工标注、专门用于评估用户侧冲突检测能力的基准66% 相似待验证StructTokenBench是面向蛋白质结构分词器的评测基准集合，覆盖7个基准、14项任务、28个测试划分，考察维度包括结构重建、功能预测、检索等。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1058221API
curl https://kongchang.com/api/v1/knowledge/claims/1058221MCP
get_claim(id=1058221)