[控场AI]
待验证50% 置信观点精确时间

该评分标准衡量的是分析完整性，而非文本长度或表面丰富度。

1
来源数
50%
置信度
长期有效
时效性
2026/10/28
首次发现

来源

RubricAtlas：从专家报告中挖掘类型级评分标准来评估深度研究智能体

涉及实体

RubricAtlasconcept

相关事实

待验证该审计方法测量的是配对场景下的回答对称性，不测量下游伤害、真实用户结果，也不测量检索和工具调用环节中的偏见。70% 相似待验证选型时不应只看基准排名，而应使用真实输入构建200–500条代表性样本的小评估集，测量准确率、校准度和实际计费token。70% 相似待验证与通用摘要基准（如ROUGE、BERTScore）不同，基于参考文献的评估指标关注信息是否被正确归因，而非词汇重叠程度70% 相似待验证使用参考集驱动的评分时，通常需要配合人工抽检，或将其视为对齐检查而非质量裁决。70% 相似待验证校准指标在测试集的整体统计层面有效，但无法保证对单个具体查询的置信度表达准确69% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1106113
API
curl https://kongchang.com/api/v1/knowledge/claims/1106113
MCP
get_claim(id=1106113)