待验证50% 置信基准精确时间

Skill++ 在三个基准测试和五种 LLM 路由器上均优于所有对比方法。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/11/3

首次发现

有效期至：2027/2/1

来源

Skill++：路由感知技能精炼，破解终身智能体路由干扰

涉及实体

相关事实

已验证工具调用准确性测试需关注工具选择准确性、参数提取准确性、工具链编排合理性三个层次，其中参数提取往往最容易出问题73% 相似待验证性能测试分为入门级（JMeter/Locust）、进阶级、精通级、专家级四个层级71% 相似待验证推理能力、代码准确率和工具调用可靠性是当前小模型竞争的三条主线。71% 相似待验证标准基准测试衡量的是单次工具调用的格式正确性，而真实的生产级Agent失败往往发生在多步序列之中71% 相似待验证测试中大多数LLM能更忠实地遵循指令，所有测试的LLM在保留未编辑部分方面都表现更好71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1129279

API

curl https://kongchang.com/api/v1/knowledge/claims/1129279

MCP

get_claim(id=1129279)