已过期50% 置信事实精确时间

评估作用域分为四个层级：Span级别、Multi-Span级别、Trajectory级别和Session级别

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

此条事实已过期，仅作历史留存，不再代表当前状态

有效期至：2026/9/30(已过期)

来源

LLM可观测性与Eval实战：大模型上线后的监控评估全指南

bilibili量子菠萝_2026/6/8

相关事实

待验证评测设置了语义正确率、三次全对率和格式正确率三个维度指标65% 相似待验证NES俄罗斯方块评分系统单消40×(level+1)分、双消100×(level+1)分、三消300×(level+1)分、四消1200×(level+1)分62% 相似待验证The evaluation uses three scoring dimensions: Instruction Following, Unit Testing, and LLM as Judge61% 相似待验证测试用例优先级采用 P0-P3 四级划分：P0 为阻塞级、P1 为严重级、P2 为一般级、P3 为轻微级59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/50174

API

curl https://kongchang.com/api/v1/knowledge/claims/50174

MCP

get_claim(id=50174)