FActScore 由华盛顿大学、马萨诸塞大学阿默斯特分校、艾伦人工智能研究所与 Meta 的研究团队（Sewon Min 等人）于 2023 年在 EMNLP 提出，专门衡量长文本生成的事实精确率。先将生成内容分解为独立原子事实，再逐条对照可靠知识源（如 Wikipedia）判断是否被支持，最终分数为被支持的原子事实占总原子事实的比例。

该指标只关注精确率而不计算召回。分数范围为 0–100，通常以百分比或 0–1 分数报告，数值越高越好，表示生成内容中可验证事实的比例越高。常用于评估大模型生成人物传记、百科类长文本时的事实可靠性。