我们推出了 FACTS 评估排行榜（The FACTS Leaderboard），这是一个在线排行榜系列及其配套的基准测试集，旨在全面评估语言模型在多种场景下生成事实性内容的能力。该评估套件通过整合四个独立子排行榜的表现，提供对模型事实性能力的综合性衡量：FACTS 多模态：评估模型在回答基于图像的问题时生成内容的事实准确性； FACTS 参数化：通过模型内部参数回答“闭卷”事实性问题，衡量其世界知识水平； FACTS 检索：在信息检索场景中评估事实性，要求模型调用搜索 API 获取信息； FACTS 基于文档的生成（v2）：评估长文本生成是否基于所提供的文档内容，该子榜单引入了显著优化的评分模型。每个子排行榜均采用自动化评分模型对模型输出进行打分，最终的套件总分是四个分项得分的平均值，旨在提供一种稳健且平衡的综合评估，全面反映模型整体的事实性表现。FACTS 评估排行榜套件将持续维护，包含公开与私有数据划分，既支持外部参与，又保障评估体系的完整性。该平台可访问：https://www.kaggle.com/benchmarks/google/facts。