待验证50% 置信基准精确时间

在标题摘要筛选阶段，当研究人员提供明确的纳入和排除标准时，模型的F2分数可提升28.8%

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 F2分数concept

相关事实

待验证在提示中包含具体评估维度（如格式、字数、覆盖要点、排除事项）比模糊提示平均可提升模型输出质量30%-50%64% 相似待验证在全文筛选阶段，研究人员编写的理由说明能使模型性能提升约15%62% 相似待验证在270位跨学科专家参与的真实工作流盲测中，混元模型以2.67/4的评分优于GLM系列的2.51/462% 相似待验证研究表明在某些开源Benchmark上头部大模型训练语料与评测数据的n-gram重叠率可高达15%~30%62% 相似待验证金融风控中可以使用F2分数(β=2)来更强调查全率，垃圾邮件过滤中可以使用F0.5分数(β=0.5)来更强调查准率61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893421

API

curl https://kongchang.com/api/v1/knowledge/claims/893421

MCP

get_claim(id=893421)