待验证50% 置信事件精确时间
作者已开源完整实验代码与原始法官输出，并计划将13条单句参考答案改写为多条claims后重判，验证能否降低recall上的法官噪声。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/19
首次发现
有效期至：2026/11/2
来源
涉及实体
相关事实
待验证Rebuttal阶段允许作者在看到初始评审意见后提交简短回复，澄清误解或补充实验70% 相似待验证在实现层面，作者已创建共享基线和十二用例的标准答案结构，实现了评分和验证代码，并添加了自动化测试，最新开发运行通过了全部十项测试。69% 相似待验证作者建议评分前冻结题目列表并报告每一行结果及缺失原因；在能给每道题标注应检索文档的情况下，用简单计数计算recall@k，确定性检索下这类指标完全没有run-to-run噪声；把参考答案写成多条可核对的claims，避免单句参考把recall变成抛硬币。68% 相似待验证作者搭建了模拟测试框架（留出测试），在假铭牌上植入已知文字后用同样方法破解，以衡量方法的可靠性。68% 相似待验证作者修复基准测试的方式是改为串行调用、加入重试，并在给出分数前先打印answered: X of 60，以确保基准分数的诚实66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065200API
curl https://kongchang.com/api/v1/knowledge/claims/1065200MCP
get_claim(id=1065200)