待验证50% 置信事实精确时间
KEEP-Bench 包含 4,102 个案例，覆盖三种挑战性场景：需要保留证据以支持合理参考解析、显式限定词和少数派观点。
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
待验证即使使用定制提示，最强模型在 KEEP-Bench 上的证据保留表现仍不可靠。68% 相似待验证在 KEEP-Bench 上，最佳闭源模型仅在 61.6% 的案例中保留了所有必需证据。66% 相似待验证证据平面根据查询需求进行证据预算分配，包括在互补证据包之间分配有界证据预算、允许有限度的额外支撑，并将保留断言渲染为答案就绪的上下文。61% 相似待验证研究团队对250个错误案例的人工分析显示，检索失败仍是最主要的瓶颈，其中错误实体证据问题尤为突出61% 相似待验证该基准测试存在以下局限：裁判可靠性问题、100个场景每个只运行一次的样本量限制、单一压力条件、纯文本环境、<think>块不保证能访问模型完整的内部推理、泛化能力有限。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073295API
curl https://kongchang.com/api/v1/knowledge/claims/1073295MCP
get_claim(id=1073295)