待验证50% 置信基准精确时间

该基准测试每道题只有唯一正确答案，由Python计算得出，评分器要求模型以ANSWER:<值>结尾，EMI允许±₹2的舍入误差，格式组要求精确字符串匹配

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

大模型算房贷EMI每月差₹10：一个印度数学基准的启示

涉及实体

Lakh, Crore and Carpet Areabenchmark Pythontechnology

相关事实

待验证在测试领域确定性意味着相同输入必须产生相同输出，同一测试在相同应用状态下运行必须得出一致结论69% 相似待验证精确匹配和规则校验只能验证输出的形式正确性，无法判断语义质量68% 相似待验证当提示词、模型和输入都正确却遭遇静默失败时，应将请求来源作为独立的调试变量进行检查67% 相似待验证测试题分为40道易核查题和40道难核查题，所有数学、代码、日期类标准答案都在 Python 中验证66% 相似待验证对于推理服务软件，测试通过是必要条件但非充分条件，补丁可能在离线测试完美却在真实流量时暴露内存泄漏、批处理逻辑错误或性能倒退66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/996744

API

curl https://kongchang.com/api/v1/knowledge/claims/996744

MCP

get_claim(id=996744)