待验证50% 置信事实精确时间

不同评测工具链对文本标准化边界情况的处理标准不一致，可能导致同一ASR系统在不同评测框架下WER值差异达2-5个百分点

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

语码转换ASR评测：WER为何失灵及替代方案

相关事实

待验证Locomo评测数据集存在局限性，不同Memory框架使用不同的judgment prompt导致分数缺乏可比性63% 相似待验证标准自回归模型逐Token从左到右生成文本，在时间步t仅依赖之前的输出，缺乏自我审查和回溯机制，导致错误积累效应62% 相似待验证文本分块过大会稀释检索精度，过小会导致语义不完整，分块策略直接决定RAG系统的检索质量61% 相似待验证当前主流评测基准很难客观衡量顶级模型之间的真实差距，benchmark分数参考价值有限61% 相似待验证上下文感知解析层通常采用AST分析、依赖图遍历和语义嵌入等技术将底层错误信息转化为高层语义描述60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/705579

API

curl https://kongchang.com/api/v1/knowledge/claims/705579

MCP

get_claim(id=705579)