基准

FaithCoT-Bench

用于评估思维链忠实度的基准数据集。

时间轴 (近 90 天)

10月19日

在 FaithCoT-Bench 和 BonaFide 的四个数据集上，VERITAS 的平衡准确率比 LLM-as-Judge 高出 28.4%。

待验证50%

在 FaithCoT-Bench 和 BonaFide 的四个数据集上，VERITAS 的平衡准确率比 LLM-as-Judge 高出 28.4%。