待验证50% 置信事实精确时间
研究团队对来自六个模型家族的22个开源LLM进行了测试
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证团队为配置文件写入机制新增了 21 个测试用例72% 相似待验证OpenAI发布GeneBench Pro研究基准测试，包含129个评估任务，涵盖10个主要领域和21个细分方向，前沿模型最高得分31.5%64% 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63% 相似待验证团队在项目期间经历四五次模型迭代，每次都发现模型能力越强从验证循环中获得的收益越大，对验证循环的需求是更持久的底层规律62% 相似待验证建立私有金丝雀测试集，在每次模型版本切换时系统性运行对比测试，比通用基准测试更能捕捉影响生产的退化信号61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/893420API
curl https://kongchang.com/api/v1/knowledge/claims/893420MCP
get_claim(id=893420)