待验证50% 置信事实精确时间
TenetBench 是一个包含 3,433 个与 15 部俄语职业伦理准则条款相冲突的请求的基准测试，每个冲突请求都配有一个仅在合法性上存在差异的良性「双胞胎」请求。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证TwinCheck 只有当负孪生同时通过结构性检查，并且成对验证器在两种候选排序下都偏好它时，才会替换智能体原本的提议55% 相似待验证一致性测试：让三个客服分别对同样的十张工单分类，如果超过两张不一致，错的是列表而非人。53% 相似待验证SqueezeBench的每一份证明都由两个独立的Lean内核进行检查，整个数学正确性审核无需人类裁判介入53% 相似待验证LegalHalBench主要通过构造含有虚假法条的问题测试模型识别能力，侧重于检测是否引用了不存在的规则52% 相似待验证第二巡回法院的Polaroid Corp. v. Polarad Electronics Corp.(1961)案确立了八因素测试，第九巡回法院采用Sleekcraft因素52% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084331API
curl https://kongchang.com/api/v1/knowledge/claims/1084331MCP
get_claim(id=1084331)