يُقترح مقياس FActScore بواسطة فريق بحثي من جامعة واشنطن، وجامعة ماساتشوستس أمهرست، ومعهد أبحاث الذكاء الاصطناعي علي (Allen Institute for AI)، وميتا (Sewon Min et al.) في عام 2023 ضمن مؤتمر EMNLP، وهو مصمم خصيصاً لقياس دقة الحقائق في توليد النصوص الطويلة. تقوم المنهجية أولاً بتفكيك المحتوى المُولَّد إلى حقائق ذرية مستقلة، ثم تقييم كل حقيقة على حدة مقابل مصادر المعرفة الموثوقة (مثل ويكيبيديا) لتحديد ما إذا كانت مدعومة أم لا، حيث تمثل النتيجة النهائية نسبة الحقائق الذرية المدعومة إلى إجمالي الحقائق الذرية.

يركز هذا المقياس على الدقة فقط ولا يحسب الاسترجاع. تتراوح نطاقات الدرجات بين 0 و 100، وعادةً ما تُبلغ كنسبة مئوية أو كدرجات تتراوح بين 0 و 1، حيث تشير القيم الأعلى إلى أداء أفضل، مما يدل على نسبة أعلى من الحقائق القابلة للتحقق ضمن المحتوى المُولَّد. يُستخدم هذا المقياس بشكل شائع لتقييم موثوقية الحقائق عندما تقوم النماذج اللغوية الكبيرة بتوليد سير ذاتية للأشخاص أو نصوص موسوعية طويلة.