待验证50% 置信观点精确时间
DAR-MGSM 提供了一个可复用的评测范式：在低资源语言上评估推理能力时，语言变体和文化语境应作为独立维度被测量。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证يُنصح بالتقييم المنفصل لكل لهجة لأن مؤشر الدقة الإجمالي المرتفع قد يُخفي فشلاً ذريعاً في لهجة بعينها67% 相似待验证用语言模型判断工具调用是否正确或返回数据是否真实这类客观事实校验，与语言质量评价职责不匹配66% 相似待验证该研究主张稳健的口音分类评估应当同时纳入说话人隔离评估和跨语料测试66% 相似待验证现有的大语言模型（LLM）在面对涉及主观认知的问题时，只能从语言表层做统计推断，难以解释心理状态及其变化。66% 相似已验证HELM（Holistic Evaluation of Language Models）是学术界的综合评测集，尝试从多维度对比大模型表现66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1078821API
curl https://kongchang.com/api/v1/knowledge/claims/1078821MCP
get_claim(id=1078821)