待验证50% 置信事实精确时间

DiscoBench数据集从影视、体育、游戏、学术、金融等11个真实领域收集多跳问答样本，最终生成211个测试样本，包含463个歧义实例

1

来源数

50%

置信度

长期有效

时效性

2026/7/9

首次发现

来源

腾讯DiscoBench：评测LLM搜索代理歧义澄清能力的首个基准

bilibili熊二等兵2026/7/4

相关事实

待验证实验采用8:2比例划分数据，20%作为内部测试集，训练集内部使用5折交叉验证，并移除重复记录以避免数据泄漏57% 相似待验证当团队测试1000种策略参数组合，即便所有组合毫无预测力，纯粹由于随机性也会出现约50种在回测中表现优异的组合（多重比较问题）56% 相似待验证运行10次测试置信区间宽度约±31%，100次收窄至±10%，400次进一步收窄至±5%，推荐关键测试用例至少运行20-50次55% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/387218

API

curl https://kongchang.com/api/v1/knowledge/claims/387218

MCP

get_claim(id=387218)