待验证70% 置信事实精确时间

即便是表现最好的模型，其证据ID的F1也仅有0.36左右，反映现有大模型在精确定位证据的跨学科推理任务上仍有较大提升空间

2

来源数

70%

置信度

中期 (~90 天)

时效性

2026/9/18

首次发现

有效期至：2026/12/17

来源

BioPhys-Bridge：跨学科科学推理评测新基准

涉及实体

BioPhys-Bridgeproduct

相关事实

已验证当患病样本占比低时，召回率和F1分数比准确率更能反映模型的实际检出能力。73% 相似待验证70到80之间的F1水平意味着当前模型表现更适合作为研究参照，而非直接落地的判决辅助工具72% 相似待验证实验结果显示，最强模型在Ask-F1指标上仅达到52.18%。71% 相似待验证在语料库级推理任务上，RPL在两种模型规模下都取得了最高的答案F1和文档覆盖率F1，同时大幅降低了上下文消耗和检索轮次。70% 相似待验证在未扰动的模拟场景上，严格评分（贪心中心距离匹配）给出精确率=召回率=F1=1.000，零误报。66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931051

API

curl https://kongchang.com/api/v1/knowledge/claims/931051

MCP

get_claim(id=931051)