待验证50% 置信事实精确时间

UtilityBench 使用最佳最差缩放法（Best-Worst Scaling）获取数据驱动的成本估计，为每个实例赋予效用值。

1

来源数

50%

置信度

长期有效

时效性

2026/10/20

首次发现

来源

UtilityBench：当错误代价不同，语言模型评估如何破局？

涉及实体

UtilityBenchproduct Best-Worst Scalingconcept

相关事实

待验证保存每次评估的完整排序检索结果能支持配对对比，但代价是存储成本和数据管理复杂度54% 相似待验证升级式路由的最坏情况是请求最终落到大模型，不会因分类错误而永远得不到高质量回答。54% 相似待验证资源有限的团队可以选择只启用错误追踪功能以降低资源消耗，或使用社区维护的 Kubernetes Helm Chart 部署54% 相似待验证工具数据的重复抓取不消耗token，却会产生真实的延迟成本、API费用和下游推理冗余54% 相似待验证数据最小化原则要求系统只收集、处理和暴露完成特定任务所必需的最少数据53% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073848

API

curl https://kongchang.com/api/v1/knowledge/claims/1073848

MCP

get_claim(id=1073848)