En público
Exactitud
Qué resultado dan EXISTS, SAYS y HOLDS frente a un banco de citas reales en disputa, empezando por nuestro peor número. Se actualiza con la ejecución nocturna del banco de pruebas; la parte que marcamos INSUFFICIENT_EVIDENCE se informa como tal, nunca se cuenta como aprobada.
no hay respuestas suficientes para puntuar
no method answered on enough of the benchmark to score it — insufficient evidence on EXISTS 61% of 197, SAYS 62% of 123
Citations in the Wild v0.2 · 13 documentos · 197 afirmaciones · generado el 2026-09-11
registro de casos · búsqueda abierta 105 · búsqueda por nombre 66 · sin respuesta 26
Por nivel
| nivel | n | exactitud balanceada | porcentaje de INSUFFICIENT_EVIDENCE | intervalo del 95 % |
|---|---|---|---|---|
| EXISTS | 197 | — | 61% | — |
| SAYS | 123 | — | 62% | — |
| HOLDS | 0 | — | — | — |
porcentaje de INSUFFICIENT_EVIDENCE este mes: 100%
Mes a mes
| mes | actas | afirmaciones | citas | sin comprobar | INSUFFICIENT_EVIDENCE (de las citas) | fallo de EXISTS (de las afirmaciones) | fallo de SAYS (de las afirmaciones) |
|---|---|---|---|---|---|---|---|
| 2026-09 | 2 | 2 | 2 | 0 | 100% | 0.0% | 0.0% |
Cómo leer esto
EXISTS y SAYS son casi deterministas: una fuente responde o no responde; las palabras atribuidas están en ella, en una posición de caracteres, o no están. Sus errores son errores de descarga y desviaciones, no de juicio.
HOLDS puntúa entre el 64 % y el 77 % en los subconjuntos difíciles. Discrepa a menudo de los peritos, devuelve INSUFFICIENT_EVIDENCE a menudo y a propósito, está desactivado por defecto y nunca entra en el registro sellado.
Las cifras de referencia externas para esta misma clase de tarea rondan los setenta y pocos puntos.
EXISTS consulta el registro de casos de dos maneras: por búsqueda de la cita, que tiene un límite diario, y pasado el límite por la búsqueda abierta del registro, un instrumento más tosco. Cómo se repartió una ejecución entre ambas se imprime bajo la línea del banco de pruebas.
se actualiza cada noche con la ejecución del banco de pruebas; una desviación de más de 3 puntos cambia esta página automáticamente