待验证50% 置信事实精确时间
在正确文本设置下，NitiBench+对26个模型进行了排名，测试集为500个按领域分层抽样的留出样本，同时发布了同构的验证集供公开使用。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至：2027/2/1
来源
涉及实体
相关事实
待验证whatmodel.sh 榜单从 1,011 个来源收集了 22,113 个基准测试结果，覆盖 987 个基准测试。70% 相似待验证研究者构建了名为 ALIGNMENTFORECASTBENCH 的基准测试集，覆盖超过5000个预测问题、17个目标模型、32个数据集和16种失效模式69% 相似待验证BTZSC基准在22个数据集上评估了数十种零样本分类器，覆盖NLI模型、嵌入模型和重排序器，相关论文发表于ICLR 202669% 相似待验证ByteBench包含从真实Replit使用记录中挑选的20个测试场景，未使用合成数据68% 相似待验证评测覆盖九个基于文本的科学基准，抽样4531道题目、100份匹配画像，其中4488项完整跑完全部五种条件67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130209API
curl https://kongchang.com/api/v1/knowledge/claims/1130209MCP
get_claim(id=1130209)