待验证50% 置信基准精确时间

研究者选取了159个具备完整精确重放配对数据的多轮BFCL V4任务进行主要分析

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

TwinCheck：用「负孪生」反事实验证修复工具智能体的错误调用

涉及实体

BFCL V4product TwinCheckconcept

相关事实

待验证AstraPixels 收录了 171 个已编目天体，每个都附带有据可查的事实信息62% 相似待验证最终生成的数据集包含40032个Needle格式样本，覆盖获取天气、设置定时器、开关灯三个工具，每个工具约有130种表达变体，另加40个不使用工具的负样本60% 相似待验证HybridDeepResearch基准包含380个工具依赖型任务60% 相似待验证同时处理41份文档要求模型具备强大的长上下文理解能力和跨文件交叉验证能力59% 相似待验证AFTEC数据库已收录约1034条元数据，时间跨度从1971年延伸至今58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946030

API

curl https://kongchang.com/api/v1/knowledge/claims/946030

MCP

get_claim(id=946030)