待验证50% 置信事实精确时间
LLST 的能力测试采用 102 道固定提示样本，覆盖知识推理、指令遵循、深度数学、中文能力、代码生成五个维度
1
来源数
50%
置信度
长期有效
时效性
2026/9/17
首次发现
来源
涉及实体
相关事实
待验证LLST（本地大模型标准测试）是一套开源的标准化本地大模型测试工具，由能力基准和梯度压力测试两部分组成69% 相似待验证评估大语言模型推理可靠性的系统化基准测试包括GSM8K、MATH竞赛题集和BIG-Bench Hard64% 相似待验证对于需要审查完整轨迹的复杂Skill，可以引入LLM as a Judge配合评分标准（rubric）来判断通过或失败64% 相似待验证LLM语义级断言的常见实现方式包括基于规则的检查器、嵌入向量余弦相似度阈值（如0.85）、LLM-as-judge评分，以及基于NLI模型验证事实一致性64% 相似待验证Qoder CN在编程能力测试中获得90分，推理能力测试5题全对64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/930276API
curl https://kongchang.com/api/v1/knowledge/claims/930276MCP
get_claim(id=930276)