待验证50% 置信事实精确时间

SRBench 的评估框架专门针对类别不平衡问题设计，明确考虑系统综述中被排除文章相对于被纳入文章的高占比特征

1

来源数

50%

置信度

长期有效

时效性

2026/9/28

首次发现

来源

SRBench：用大模型自动化系统综述筛选的基准框架

涉及实体

相关事实

已验证错误分析的关键在于定位到底是哪一个环节、哪一类输入导致失败，而非盲目调整提示词59% 相似待验证传统评测框架往往只能覆盖预设的测试场景，无法捕捉真实用户交互中的隐性失败57% 相似待验证mloda 0.11 将解析失败从单行结论改为完整淘汰链，列出解析器考虑过的每个候选插件及其在哪一道关卡被淘汰57% 相似待验证该框架高度依赖事故叙述文本的质量与完整度，原始报告粗糙会导致抽取的机理属性失真56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955690

API

curl https://kongchang.com/api/v1/knowledge/claims/955690

MCP

get_claim(id=955690)