待验证50% 置信发布精确时间

SciLitBench是首个覆盖文献综述全流程的基准测试，包含42,981条检索记录、1,012篇全文和888篇已纳入论文的精细标注数据

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

SciLitBench：评估LLM系统性文献综述能力的全流程基准测试

涉及实体

SciLitBenchproduct

相关事实

待验证作者检查了约1500次检测调用，手动挖掘误报、调整边界框后重新训练模型63% 相似待验证SciMDEval专家级评测基准包含907个手工标注的高难度问题62% 相似待验证在实际测试中，一次Deep Research调用了104个智能体进行定向调研，基于22个来源、59条声明完成了事实核查57% 相似待验证测试 Skill 由一个目录结构、一份描述文件以及具体的执行脚本组成56% 相似待验证该评测共108项检查，分三大模块：后端API与全线65分、前端页面与真实交互25分、运行构建打包10分56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893417

API

curl https://kongchang.com/api/v1/knowledge/claims/893417

MCP

get_claim(id=893417)