待验证50% 置信事实精确时间
关键指标headline score指完全还原正确的句子占比，只要有一个声调错整句就算错，测试基于kaggle-benchmarks库搭建
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/11
首次发现
有效期至：2027/1/9
来源
涉及实体
相关事实
待验证该基准测试基于Kaggle Benchmarks平台，每个模型共需回答287道计分题，涵盖数字、动词、翻译、完形填空、纠错五个维度71% 相似待验证提示缓存基于前缀匹配，复用已计算的KV Cache以跳过重复计算，因此应保持提示开头固定内容一致以最大化命中率61% 相似待验证使用思维链（CoT）提示要求裁判先分析再打分可将裁判与人工标注的一致性提升约7-12%61% 相似待验证应建立基准测试机制，使用已知答案的标准问题持续验证Agent输出的准确性61% 相似待验证锚定样本技术在评估提示词中加入已由人类专家标注明确分数的示例，覆盖评分量表各个档位，可帮助裁判模型准确理解评分标准61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/999187API
curl https://kongchang.com/api/v1/knowledge/claims/999187MCP
get_claim(id=999187)