待验证50% 置信基准精确时间

在Track B上，扁平RAG基线能检测出76%–97%的真实矛盾，但对16%–43%表层相似的安全草稿产生误报（具体比例取决于后端）

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

扁平RAGconcept TWISTproduct

相关事实

待验证86%的准确率意味着仍存在14%的误差空间，Articos更适合作为早期验证和方向性判断手段，而非替代真实用户测试69% 相似待验证在完全未被触碰的152题测试子集上，锚定混合检索为42.11%，规划引导方法仅36.84%67% 相似待验证报告同时给出中位数KLD和99.9%分位KLD两个数值，前者反映典型情况，后者捕捉极端长尾错误67% 相似待验证聚合指标（如平均分）会掩盖长尾场景中的失败，当95%常规case表现优异时，剩余5%边缘案例的崩溃不会在总分上留下明显痕迹67% 相似待验证DeepSuite基准测试的误报率为44.9%，漏报率为1.2%67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949060

API

curl https://kongchang.com/api/v1/knowledge/claims/949060

MCP

get_claim(id=949060)