待验证50% 置信基准精确时间

在人工验证的Track B v1.0标准集上（161个条目），仲裁后的Cohen's kappa值达到0.85

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

TWIST基准：评估对话记忆系统的"干预质量"

涉及实体

TWISTproduct Track B v1.0concept

相关事实

待验证在边界匹配的片段上 Cohen's kappa 达到 0.964，但纳入遗漏实体、边界错误和标签修正后宏观 F1 骤降至 0.75359% 相似待验证Caveman给出的固定54次运行基准测试结果显示输入Token减少33.2%，且18/18项正确性检查全部通过59% 相似待验证Qwen3.5-122B-A10B 在 100 次测试中出现 8 次拒答，KL 散度为 0.085657% 相似待验证千问3的235B参数MoE旗舰版在多项权威基准测试中接近甚至超越闭源顶级模型57% 相似已验证F1分数是Fβ分数在β=1时的特例57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949059

API

curl https://kongchang.com/api/v1/knowledge/claims/949059

MCP

get_claim(id=949059)