待验证50% 置信事实精确时间
PromptSR 提供提示实验、实验管理和结果分析三方面能力，用于支持基于 LLM 的筛选实验
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/28
首次发现
有效期至：2026/12/27
来源
涉及实体
相关事实
待验证将生产环境中出现的异常trace转化为新的回归测试用例，是构建LLM评估集的有效方法70% 相似待验证一篇论文提出了针对系统综述筛选阶段的基准框架 SRBench，并配套发布了实验工具 PromptSR，用于评估大语言模型在文献筛选任务中的表现69% 相似待验证METR的评估结果常被Anthropic、OpenAI等头部实验室引用作为模型发布决策的参考依据68% 相似待验证湿实验验证通常包含表达与折叠检验、结合检测（如ELISA或SPR）、功能性验证（如中和实验）等多个层级68% 相似已验证METR（Model Evaluation and Threat Research）等组织正在开发标准化的危险能力测评，包括模型是否能提供超越公开文献的生物合成指导、是否能自主发现零日漏洞68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/955693API
curl https://kongchang.com/api/v1/knowledge/claims/955693MCP
get_claim(id=955693)