待验证50% 置信事实精确时间

SWORD采用反向评估方式，测试模型能否一致地拒绝错误陈述，而非传统基准测试的选对正确答案

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

SWORD基准揭示大模型跨语言事实核查的隐藏漏洞

涉及实体

相关事实

待验证评估前必须验证测试框架对声称评过的每一行都真正打了分，否则默默吞错的脚本会给出排除了最难边缘case的虚假100%通过率72% 相似待验证突变测试（Mutation Testing）通过人为引入代码缺陷来检验测试用例是否真正有效68% 相似待验证理想的评估流程应将仿真评估作为初筛工具排除明显不合格的策略，再通过真实世界物理测试完成最终验证68% 相似待验证基准测试倾向于评估模型知道多少，而非能带来多少认知增量67% 相似待验证同一个模型用同一套假设检查自己的代码天然看不到盲点，跨模型审查因训练侧重点不同才具备互补价值67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893861

API

curl https://kongchang.com/api/v1/knowledge/claims/893861

MCP

get_claim(id=893861)