基准Business Evidence Judgment / BEJ v4
Business Evidence Judgment v4
一项商业证据判断基准测试，考察大语言模型能否正确判断商业记录对特定主张是支持、矛盾还是无法确定，覆盖六类企业业务场景
时间轴 (近 90 天)
10月12日
Business Evidence Judgment v4 基准考察模型能否判断商业记录对某条主张是支持、矛盾还是无法确定
待验证50%
10月12日
该测试覆盖六类业务场景：供应商准入、客户交付、系统迁移、接口兼容性、配置发布和数据管道，共36条主张，在S0/S1/S2三种来源条件下重复产生每个模型108条判断
待验证50%
10月12日
测试条件S0约2500词原始素材，S1加入行政背景扩展到约9800-9900词，S2加入过时或范围相似的干扰记录且词数与S1相同
待验证50%