待验证50% 置信基准精确时间
在五个模型上的测试显示，Reproduce任务的整题准确率介于49.21%至68.25%之间。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/26
首次发现
有效期至：2026/11/9
来源
涉及实体
相关事实
待验证斯坦福大学的AgentBench基准测试（2023年）量化证明，在复杂多步骤任务中纯ReAct范式的成功率往往不超过30%76% 相似待验证在240个问题的测试中，ReAct的正确率为59.6%，Plan-execute为61.7%，Supervisor为65.0%，Draft-verify为63.7%。76% 相似待验证研究表明，针对同一任务，经过优化的Prompt相比随意输入可将模型输出质量提升30%-50%74% 相似待验证参与 PhysMent 测试的七个模型准确率跨度从 25% 到 67%73% 相似待验证该基准给每个模型输出两个永不合并的数字：任务得分和虚假自信率（本应上报却强行作答的比例）72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098823API
curl https://kongchang.com/api/v1/knowledge/claims/1098823MCP
get_claim(id=1098823)