待验证50% 置信事实精确时间

RadO 2.0基准将置信度和人工交接能力纳入评分，部分模型会在错误诊断上给出中高置信度

1

来源数

50%

置信度

长期有效

时效性

2026/7/23

首次发现

来源

AI日报：平头哥WAIC开源SAIL软件栈，多款大模型密集发布

相关事实

待验证应为安全敏感变更（如系统提示词、RAG数据源、新增工具调用）设置强制的自动化对抗回归测试67% 相似待验证深度研究智能体的评估可参考RAGAS框架，从忠实度、答案相关性等多维度评测67% 相似待验证语义评估通常依赖NLI模型的事实一致性检测、RAG场景中的grounding评估和LLM-as-a-Judge等方法的组合67% 相似待验证幻觉检测领域常用的评估基准包括TruthfulQA、HaluEval和FActScore66% 相似待验证RAGAS专注于RAG系统评估，提供忠实度、答案相关性等指标；TruLens提供可解释性追踪和反馈函数66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/597243

API

curl https://kongchang.com/api/v1/knowledge/claims/597243

MCP

get_claim(id=597243)