待验证50% 置信事实精确时间
该研究的生成侧评估采用DeepEval的claim-level指标，由deepseek-v4-pro担任LLM评判员，并辅以BLEU/ROUGE传统指标。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/23
首次发现
有效期至：2027/1/21
来源
涉及实体
相关事实
待验证RAGAS和DeepEval是常见的智能体/模型评估框架71% 相似待验证深度重绘使用MiDaS、DPT等单目深度估计模型从原图中自动推断深度图67% 相似待验证深度ControlNet接受由MiDaS、DPT或Depth Anything等模型估算的深度图作为输入67% 相似待验证DeepStop UE（DeepSeek Open Source Benchmark for Unified Evaluation）是DeepSeek用于评估编程智能体能力的基准测试集，考察智能体与harness协同运作的整体表现67% 相似待验证DeepSWE 属于 SWE-bench 这一类软件工程评测的衍生或同类基准，评分通常是「解决的 issue 比例」。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1088188API
curl https://kongchang.com/api/v1/knowledge/claims/1088188MCP
get_claim(id=1088188)