待验证50% 置信事实精确时间

HakemBench 的综合得分通过 2,000 次 bootstrap 抽样给出置信区间，并报告针对选项顺序、同义改写、英文翻译和替换人名等扰动的鲁棒性探针

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

HakemBench：土耳其语「类型化决策」基准测试解析

涉及实体

HakemBenchproduct

相关事实

待验证Wild bootstrap是一种针对异方差数据的统计推断方法，在每次重采样时对残差乘以随机扰动权重以保留原始数据的异方差结构60% 相似待验证GLM-5.2在'occasion里有几个S'的字符计数测试中首次回答出错，开启DeepThink深度思考后修正为正确答案2个55% 相似待验证端到端界将误差来源分解为粒子近似信念引入的误差和稀疏采样在树搜索中的统计误差两段，用户可据此反推所需粒子数和采样深度53% 相似待验证页面能否被RAG引用至少涉及两道门槛：是否被纳入检索索引及语义相似度是否足够高，以及被召回后是否被判断为高质量可信来源52% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975446

API

curl https://kongchang.com/api/v1/knowledge/claims/975446

MCP

get_claim(id=975446)