待验证50% 置信事实精确时间

DoGBench的具体测试集构成、评分维度和参评模型清单尚待更详细资料佐证

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/2

首次发现

有效期至：2026/10/16

来源

DoGBench发布：首个面向用户文档生成基准，无模型得分超50%

涉及实体

DoGBenchproduct

相关事实

待验证Clef在具体基准测试中的表现和与同类决策模型的横向对比细节仍有待更多实测数据验证69% 相似待验证作者坦言该工作流仍处于测试阶段，并公开征集社区在提示词、参数设置和采样器选择上的反馈69% 相似待验证本文测试为单一UP主的实测记录，样本数量有限，评判标准带有主观性，结论稳健性有待更大规模测试验证68% 相似待验证研究附带了包含冻结基准测试集、评测审计记录、共识实验原始响应和分析代码的配套归档68% 相似待验证研究团队使用评分器对3.2225亿份FineWeb-Edu-Fortified文档进行了打分并构建筛选的预训练数据混合集68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/966340

API

curl https://kongchang.com/api/v1/knowledge/claims/966340

MCP

get_claim(id=966340)