근거 기반 언어 모델 시스템은 종종 최종 답변 정확도로 평가되지만, 올바른 답변이라도 근거가 부족하거나 잘못된 출처에서 가져왔거나, 증거가 불충분하거나 모순될 때 생성될 수 있습니다. 우리는 질문을 고정하고 그 증거를 추가하거나, 제거하거나, 방해하거나, 모순되게 만듦으로써 작동하는 쌍별 반사실적 벤치마크인 EviScope를 소개합니다. EviScope-v1.1은 자동 평가를 위해 복구된 반사실적 주장과 스팬 수준의 지원 레이블을 가진 40개의 사조건 사중주(quartets)를 포함하고 있습니다. Qwen2.5-7B, Llama 3.1 8B, 그리고 Gemini 3.5 Flash로부터 생성된 960개의 골드-블라인드(gold-blind) 생성을 통해, 쌍별 지표는 답변 정확도가 숨기는 모델 의존적 근거 기반 행동을 노출합니다. 두 개의 로컬 오픈 모델에서, 명시적인 증거-행동 게이트(evidence-action gate)가 QCS에서 바닐라 RAG보다 성능이 떨어졌습니다: Qwen의 경우 0.15 대 0.50, Llama의 경우 0.10 대 0.375입니다. Gemini는 두 프롬프트 모두에서 0.944의 공동 성공률에 도달했지만, 여전히 모순 삽입 후 5%의 충돌 사례에 대해 답변했습니다. 따라서 EviScope는 단순히 답변을 점수 매기는 것이 아니라, 근거 없는 답변, 충돌 무시(conflict blindness), 그리고 잘못된 비답변 행동을 구별합니다.