待验证50% 置信事实精确时间
DecisionRAG的测试覆盖四个基准，其中包括一个包含268万条维基百科段落的语料库。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/27
首次发现
有效期至：2027/1/25
来源
涉及实体
相关事实
待验证项目结合了四类评估方法：基于规则的确定性检查、基于 LLM 的裁判评估、基于人工标注的抽样评估、基于用户反馈的在线评估。62% 相似待验证Typed Decisions 包含 agent_trace_observability、customer_service、invoice_processing、security_incidents 四个子集，每个子集包含 400 行数据，划分为训练集（300 行）和测试集（100 行）。61% 相似待验证微调使用了 4260 条训练样本和 474 条评估样本，均为带思维链的 STEM 问答数据61% 相似待验证评测覆盖九个基于文本的科学基准，抽样4531道题目、100份匹配画像，其中4488项完整跑完全部五种条件61% 相似待验证该基准测试基于Kaggle Benchmarks平台，每个模型共需回答287道计分题，涵盖数字、动词、翻译、完形填空、纠错五个维度61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1103022API
curl https://kongchang.com/api/v1/knowledge/claims/1103022MCP
get_claim(id=1103022)