待验证50% 置信事实精确时间
测试题分为40道易核查题和40道难核查题，所有数学、代码、日期类标准答案都在 Python 中验证
1
来源数
50%
置信度
长期有效
时效性
2026/10/11
首次发现
来源
涉及实体
相关事实
待验证本次测试采用群友提供的屎山基准，共34道功能题，按难度分为简单、中等、困难和压轴四档72% 相似待验证该基准测试使用统一的100个问题集，每个问题只发起一次搜索，所有配置使用相同的answering model处理返回内容70% 相似待验证该基准测试每道题只有唯一正确答案，由Python计算得出，评分器要求模型以ANSWER:<值>结尾，EMI允许±₹2的舍入误差，格式组要求精确字符串匹配66% 相似待验证传统的LLM基准测试大多聚焦于单轮问答、代码生成、推理题目等相对封闭的任务66% 相似已验证业界通行的测试用例包含用例编号、所属模块、标题、前置条件、测试步骤、预期结果、优先级(P0/P1/P2)和测试类型等字段63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/996773API
curl https://kongchang.com/api/v1/knowledge/claims/996773MCP
get_claim(id=996773)