待验证50% 置信事实精确时间
LARY-Bench 是用于评测潜在动作表示质量的基准,以动作是否被正确编码、能否跨样本复用为评价维度,而非单纯看重建像素相似度。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证研究者构建了 ReGap-Bench,一个包含五类视觉推理任务的配对基准,用于测试外部指称对模型性能的影响。73% 相似待验证轨迹质量指智能体从接收查询到给出答案之间的一系列中间动作是否合理,包括工具调用顺序、检索参数是否切题、是否重复无效搜索、是否在证据不足时继续查证等。71% 相似待验证TrialPD-Bench的评估范围不限于最终答案正确性,还包括智能体轨迹的证据召回率、智能体行为模式和成本。71% 相似待验证FastBench 的每条样本都带有人工标注的证据区间,评测不仅判断答案对错,还能定位模型是否关注到正确的时间片段。70% 相似已验证Benchmark(基准评测)是用一套固定题目给模型打分做横向对比,类似模拟考,用于给模型排名69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134626API
curl https://kongchang.com/api/v1/knowledge/claims/1134626MCP
get_claim(id=1134626)