待验证50% 置信事实精确时间

该评测套件覆盖事实知识召回、逻辑与数学推理、科学与统计推理、通用知识迁移以及伦理与多模态任务等多个维度

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

LLM评测新思路：benchmark高分不等于实际好用

涉及实体

llm-evalution-v01product

相关事实

待验证逻辑（Logic）决定对信息做什么判断和处理72% 相似待验证数学推理类评测包括MATH和AIME，考察符号推导与多步骤计算71% 相似待验证决策图谱是连接事实、证据、规则、责任人与结果的可查询网络69% 相似待验证有效的申诉机制需要引入异质性的判断逻辑（不同模型架构、不同特征集或人工介入）才能打破错误闭环68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/998833

API

curl https://kongchang.com/api/v1/knowledge/claims/998833

MCP

get_claim(id=998833)