factcircuit

给 AI 事实核查装上可审计的证据链和可复现评测

FactCircuit 是一个面向事实核查与 LLM 评测的开源验证框架，核心是把「声明-证据」验证过程做成可审计的闭环。它针对大模型事实核查中证据来源不可追溯、检索范围失控、评测结果难以复现等痛点，提供不可篡改的来源记录、分阶段检查流程、有界检索以及可复现的评测机制。项目用 Python 实现，支持新闻核查、AI 安全审计、信息检索质量评估等场景。通过把每一步验证动作和证据链固化下来，使用者可以回溯某条声明为何被判定为真或假，也能在相同配置下重复跑出相同结论。它同时关注 accuracy-decline 等模型退化信号，适合做事实性基准测试与安全评估。

开源 free 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 465

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类评测安全

开发团队superwesleyhys-ux

所属国家

官网地址

GitHubhttps://github.com/superwesleyhys-ux/factcircuit

定价模式free

价格说明开源项目，无官网，免费使用

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型accuracy-decline,ai-safety,audit-trail,fact-checking,factcircuit,information-retrieval,llm-evaluation,news-verification,provenance,python,reproducible-research

GitHub 星标★ 465

30天Star增速

HF 下载量

上线时间2026-09-06 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-04

浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

提供不可篡改的来源记录，每条声明与证据的对应关系可回溯审计
分阶段检查加有界检索，控制检索范围避免证据无限扩散
支持可复现评测，相同配置下能重复得到一致结论

不足之处

项目处于早期，465 星标，生态与周边工具尚不成熟
文档和社区规模有限，复杂场景的接入成本可能偏高

适用场景

新闻机构对报道中的事实性声明做自动化核查与留痕
AI 安全团队评估大模型在事实性问题上的准确率退化
研究人员做可复现的 LLM 事实核查基准评测

替代项目

FactScore、FEVER、claimbuster

项目介绍

factcircuit 是评测安全领域的开源项目，由 superwesleyhys-ux 开发，是 2026 年新上线的项目。

它收录于评测安全分类，该分类目前共有 491 个项目，GitHub 星标数为 465。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-29。无官网，免费使用。

它主要面向的使用场景是：新闻机构对报道中的事实性声明做自动化核查与留痕。同类可对比的替代方案包括 FactScore、FEVER、claimbuster。

上一篇：awesome-jev-tools

下一篇：speech-to-text-benchmark