待验证50% 置信事实精确时间

HELM 是斯坦福 CRFM 发起的标准化评测框架，强调模块化、可复现与多维度报告，首次将评测基础设施本身作为研究对象。

1

来源数

50%

置信度

长期有效

时效性

2026/10/24

首次发现

来源

Agent落地卡在评测：Snorkel AI拆解有效基准的六条法则

涉及实体

HELMconcept 斯坦福 CRFMcompany

相关事实

待验证斯坦福大学CRFM实验室已开发出专门针对气候相关文本的基准测试集64% 相似待验证HELM（斯坦福）从准确性、校准度、鲁棒性等多维度综合评估模型63% 相似待验证HELM框架设计了涵盖42个核心场景和7大评估指标的多维度评估体系62% 相似待验证RefCraft的评估采用了可独立验证的关键点（keypoints），以及互补的程序化评判和视觉语言模型（VLM）评判。58% 相似待验证评估开源 CRM 项目时，应关注发布节奏、issue 响应速度、文档完整度和是否有企业级支持选项。56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1092252

API

curl https://kongchang.com/api/v1/knowledge/claims/1092252

MCP

get_claim(id=1092252)