待验证50% 置信事实精确时间

该基准每个探测问题在无系统提示的全新对话中运行3次，回复归为诚实、冒充、回避三类，2/3一致时计分，最终得分为诚实回答比例，由代码打分而不使用裁判模型

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

我问14个AI模型"你是谁"，谷歌Gemma竟自称GPT-4o

涉及实体

Who Are You?product

相关事实

待验证当前三类评测任务都属于有明确正确答案的结构化任务，对于更开放主观的生成场景如何定义一致性仍是开放问题71% 相似待验证多路推理验证的核心思路是让正确答案能够通过多条推理路径被推导出来，而错误答案往往是偶发性的，可通过多次采样筛除67% 相似待验证项目内置生成—评估—重试机制，最多3次重试，若三次均不达标则返回最匹配版本67% 相似待验证代码审查历来有三重价值：正确性、安全性和信息交换仪式，前两者正在被自动化，剩下的核心是围绕意图的讨论67% 相似待验证经过校准的模型在获得完整对话记录时几乎能解决矛盾检测赛道，与'检索覆盖存在显著缺口'的判断一致66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999537

API

curl https://kongchang.com/api/v1/knowledge/claims/999537

MCP

get_claim(id=999537)