待验证50% 置信事实精确时间
评估作用域分为四个层级：Span级别、Multi-Span级别、Trajectory级别和Session级别
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
LLM可观测性与Eval实战：大模型上线后的监控评估全指南
bilibili量子菠萝_2026/6/8
相关事实
待验证评测设置了语义正确率、三次全对率和格式正确率三个维度指标65% 相似待验证NES俄罗斯方块评分系统单消40×(level+1)分、双消100×(level+1)分、三消300×(level+1)分、四消1200×(level+1)分62% 相似待验证The evaluation uses three scoring dimensions: Instruction Following, Unit Testing, and LLM as Judge61% 相似待验证SAS采用4级评分、20题结构，原始分乘以1.25取整得标准分，≥50为轻度焦虑、≥60中度、≥70重度；这是国内临床广泛采用的划界标准60% 相似待验证测试用例优先级采用 P0-P3 四级划分：P0 为阻塞级、P1 为严重级、P2 为一般级、P3 为轻微级59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/50174API
curl https://kongchang.com/api/v1/knowledge/claims/50174MCP
get_claim(id=50174)