LongFact

为什么重要

Google 提出，评估 LLM 生成长篇回复时的事实准确性。用 SAFE 方法自动验证每个声明。

构建方式与示例

2280 prompts / 38 topics。例如：“详细介绍 CRISPR 基因编辑的原理和应用”→ 验证回复中每个事实声明。

关联基准与展望

关联：SimpleQA、TruthfulQA。不足：SAFE 验证器本身可能有误。