待验证50% 置信基准精确时间

该基准测试共设计 40 个请求、6 个类别，涵盖忠实度、单位换算、多语言（孟加拉语、印地语）、注入攻击、超范围和模糊输入

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

10个大模型都读懂了需求，却有一半越权当裁判

涉及实体

相关事实

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70% 相似待验证测试覆盖验证、插值、未见组合、分布外编辑四种设定66% 相似待验证本次测试采用群友提供的屎山基准，共34道功能题，按难度分为简单、中等、困难和压轴四档65% 相似待验证MIST测试集涵盖四个条件：比喻意句子配字面意图片、比喻意句子配比喻意图片、字面意句子配字面意图片、字面意句子配比喻意图片，每个条件50个样本65% 相似待验证该基准测试使用统一的100个问题集，每个问题只发起一次搜索，所有配置使用相同的answering model处理返回内容64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999524

API

curl https://kongchang.com/api/v1/knowledge/claims/999524

MCP

get_claim(id=999524)