待验证50% 置信基准精确时间
CacheGraft 在五个问答基准上进行了评测,使用两个独立运行的本地评委模型。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/6
首次发现
有效期至:2027/2/4
来源
涉及实体
相关事实
待验证评估程序会将问题、参考答案、实际回答一并输入裁判模型,附上打分指令(如相关性、准确性、完整性各维度0-5分),由裁判模型输出结构化评分与理由71% 相似待验证答案评估是独立的第二阶段,需用评分标准测试生成答案的事实性支撑、引用指向、问题回答、拒答行为及访问控制遵守情况。68% 相似待验证研究团队在六种不同的基础大模型上评估RCA框架,并引入两个独立评审做判断68% 相似待验证一项预注册研究对比了直接数值答案与多估计回复格式在锚定、后见之明、基础比率、合取和现状/默认五类任务上的表现。66% 相似待验证独立测评者 Anass Kartit 用82道手工标注的问题测试了 OpenRouter 上可调用的全部决策模型,并额外在本地 Mac 上测试了4款66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1141594API
curl https://kongchang.com/api/v1/knowledge/claims/1141594MCP
get_claim(id=1141594)