待验证50% 置信事实精确时间
KEEP-Bench 是一个直接评估上下文压缩忠实性的诊断基准。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证OmniCapBench 采用确定性约束检查与局部化 LLM 语义比较相结合的混合评分策略，以兼顾覆盖度与精确定位。67% 相似待验证FastBench 的每条样本都带有人工标注的证据区间，评测不仅判断答案对错，还能定位模型是否关注到正确的时间片段。67% 相似待验证诊断对照表：基线优化后稳定任务模式仍偏弱时应先检查标签质量、代表性样本、模型能力、留出集结果，候选干预为对比基线评估微调。66% 相似待验证诊断故障时形成'诊断—操作—验证'的完整闭环，通过二次验证可提升诊断可信度64% 相似待验证Tally 计划将方法包中的守卫语句（guard lines）从描述性陈述改写为明确的 if-then 条件，直接绑定到应触发的情境上，并将评估方式从'文档级别的回忆率'改为'逐个决策衡量条件是否在行动前被匹配'。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073294API
curl https://kongchang.com/api/v1/knowledge/claims/1073294MCP
get_claim(id=1073294)