待验证50% 置信基准精确时间
在WildBench基准上，COMPREHEND的蕴含/忠实性指标从EvalTree的22.6提高到41.7。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/4
首次发现
有效期至：2027/2/2
来源
涉及实体
相关事实
待验证用非重叠锚点重新评估后，净优势反而从+4.1pp增大到+5.5pp，但显著性从2.4个标准误降至1.4个标准误；膨胀因子约2.4倍，恰好等于sqrt(912/163)。63% 相似待验证在TerminalBench 4.0上，Large 4得分41%，比三周前的预览版提升13个百分点，Mistral称其在开源模型中排第一。61% 相似待验证Dude相比基线方法，在召回率和精确率上最高提升了22.8%61% 相似待验证在1.3B参数规模下，UpLoop在22个下游任务上的平均得分从基线的22.99提升到27.52。61% 相似待验证在 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%。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134101API
curl https://kongchang.com/api/v1/knowledge/claims/1134101MCP
get_claim(id=1134101)