待验证50% 置信事实精确时间
MT-Bench 是 Zheng et al. 在 2023 年提出的多轮对话评测基准，包含 80 个多轮问题和 160 个单轮问题，覆盖写作、角色扮演、推理、编码等八个类别。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证该路线图每个主题都要回答四个问题：为什么学、实际用在哪里、初学者常犯的错误、阅读指引，且每个阶段以真实项目构建收尾58% 相似待验证LLM-as-a-Judge范式由斯坦福大学的MT-Bench与Chatbot Arena研究正式引入学术视野（Zheng et al., 2023），研究发现强大LLM在评估开放式问答质量方面与人类评分者一致性可达80%以上55% 相似待验证MATH数据集由Hendrycks等人于2021年提出，包含12500道竞赛级数学题，涵盖七个子领域51% 相似待验证格莱斯提出会话合作原则包括质量、数量、关联与方式四准则51% 相似待验证自洽性采样由Wang等人在2022年提出，对同一问题采样多条CoT路径后取多数答案，本质是用采样多样性近似集成学习。50% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1066483API
curl https://kongchang.com/api/v1/knowledge/claims/1066483MCP
get_claim(id=1066483)