待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/18
首次发现
有效期至：2026/11/16
来源
相关事实
待验证The evaluation uses three scoring dimensions: Instruction Following, Unit Testing, and LLM as Judge74% 相似待验证通义千问3.6 27B在语义三次全对率和格式正确率上均领先Muse Glimmer74% 相似待验证盲测评分系统采用第一名3分、第二名2分、第三名1分的计分方式74% 相似待验证Each challenge in the comparison was scored on three metrics: quality score, Token consumption, and runtime.67% 相似待验证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65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/767866API
curl https://kongchang.com/api/v1/knowledge/claims/767866MCP
get_claim(id=767866)