待验证50% 置信事实精确时间

BLEU 和困惑度都是形式驱动的指标，只观察文字表面，无法判断回答是否在语义和逻辑上真正扎根于上下文

1

来源数

50%

置信度

长期有效

时效性

2026/9/28

首次发现

来源

大模型真的理解上下文吗？知识图谱评估框架给出新答案

涉及实体

BLEUconcept 困惑度concept

相关事实

待验证困惑度（Perplexity）、BLEU分数、ROUGE分数等自动化指标最初为机器翻译等任务设计，在衡量创意性方面存在天然缺陷68% 相似待验证LLM输出的困惑度（Perplexity）通常低于人类写作，可用于检测AI生成内容66% 相似待验证通用语言模型基准（如MMLU、HellaSwag）对创意写作能力几乎是盲区，BLEU、ROUGE等n-gram重叠指标在创意场景效度存疑66% 相似待验证自动评估指标如BLEU、ROUGE、困惑度主要衡量表面统计特征，难以捕捉语言的地道性问题65% 相似待验证解耦架构将模糊的语言理解与精确的逻辑验证分离，在验证环节消除幻觉推理风险64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955562

API

curl https://kongchang.com/api/v1/knowledge/claims/955562

MCP

get_claim(id=955562)