待验证50% 置信观点精确时间

70到80之间的F1水平意味着当前模型表现更适合作为研究参照，而非直接落地的判决辅助工具

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/24

首次发现

有效期至：2026/12/23

来源

让AI读懂司法解释：德国宪法法院句级标注新基准

相关事实

待验证反讽检测任务在标准数据集（如iSarcasm、SemEval系列）上的最佳F1分数长期徘徊在70%-80%区间73% 相似待验证即便是表现最好的模型，其证据ID的F1也仅有0.36左右，反映现有大模型在精确定位证据的跨学科推理任务上仍有较大提升空间72% 相似待验证七个二分类子任务的平均F1值在各模型间聚集于70.4到79.2之间66% 相似待验证该框架取得精确率0.82、召回率0.85、F1分数0.82的表现63% 相似待验证F1 = 87.90 的评估集限定在 200 个最高频食材上，研究团队未给出长尾低频食材链接质量的独立评估数字63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946203

API

curl https://kongchang.com/api/v1/knowledge/claims/946203

MCP

get_claim(id=946203)