待验证50% 置信事实精确时间

研究团队对来自六个模型家族的22个开源LLM进行了测试

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

SciLitBench：评估LLM系统性文献综述能力的全流程基准测试

涉及实体

SciLitBenchproduct

相关事实

待验证团队为配置文件写入机制新增了 21 个测试用例72% 相似待验证OpenAI发布GeneBench Pro研究基准测试，包含129个评估任务，涵盖10个主要领域和21个细分方向，前沿模型最高得分31.5%64% 相似待验证在实际测试中，一次Deep Research调用了104个智能体进行定向调研，基于22个来源、59条声明完成了事实核查63% 相似待验证团队在项目期间经历四五次模型迭代，每次都发现模型能力越强从验证循环中获得的收益越大，对验证循环的需求是更持久的底层规律62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893420

API

curl https://kongchang.com/api/v1/knowledge/claims/893420

MCP

get_claim(id=893420)