待验证50% 置信基准精确时间

在 LaMP-2 数据集上，基于 BM25 的检索方法准确率为 0.760–0.765，与 PersonaLink 在统计上无法区分

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

PersonaLink：人格摘要在分类任务媲美检索，回归任务却失灵

涉及实体

BM25concept LaMP-2concept PersonaLinkproduct

相关事实

待验证2023年的多项Benchmark测试（如HaHackathon数据集）显示，顶级LLM在讽刺识别任务上的准确率仍显著低于普通人类标注者61% 相似待验证模板匹配的置信度阈值通常取0.8～0.95来判断是否找到目标61% 相似待验证移除歧义后所有模型准确率提升26.8至40.2个百分点，Gemini甚至达到81%，表明歧义是深度搜索代理最大性能瓶颈之一59% 相似待验证加州大学伯克利分校发布的 Gorilla 基准测试表明，当候选工具超过 20 个时，即便是 GPT-4 级别的模型，工具选择准确率也会下降 15%-30%59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/897558

API

curl https://kongchang.com/api/v1/knowledge/claims/897558

MCP

get_claim(id=897558)