待验证50% 置信基准精确时间
在 FaithCoT-Bench 和 BonaFide 的四个数据集上，VERITAS 的平衡准确率比 LLM-as-Judge 高出 28.4%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
VERITAS： verbalising模型计算，揭示思维链忠实度的新方法
rss2026/10/16
涉及实体
相关事实
待验证在 VL-RewardBench 上，JEV-27B-VL 整体准确率 78.3%，幻觉项 83.2%，推理项 78.2%，一般性问题准确率 58.0%。63% 相似待验证本地运行的Gemma 26B在453次评分预测中准确率仅为49.2%，其配对的永远说涨基准准确率为53.4%62% 相似待验证在LongMemEval基准测试中，5个chunk时BM25准确率从78.8%提升到85.2%62% 相似待验证Decider在ContextualJudgeBench按官方成对协议自测一致准确率为67.1%，对比官方参考值65.4%，并排除了12个因平台反复失败的顺序61% 相似待验证微调后的Qwen3.5-4B模型在BU Bench V1基准上准确率从15%提升至53%60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1066027API
curl https://kongchang.com/api/v1/knowledge/claims/1066027MCP
get_claim(id=1066027)