待验证50% 置信权衡取舍精确时间

传统的成功率指标难以全面反映策略的鲁棒性，一个策略可能在90%的常规任务中表现出色却在剩余10%的关键场景中出现灾难性失败

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

通用机器人策略评估：如何科学衡量真实部署能力

相关事实

待验证一个 90% 成功、10% 出错的工具调用系统几乎无法投入实际使用，因为单次错误会污染后续上下文造成级联失败78% 相似待验证长期运行任务若单次成功率仅85%，每月会有4-5次失败；提升至99%则每月预期失败少于1次，才接近企业可用性标准73% 相似已验证在长链路任务中，若每一步约5%的错误率，经过20步后整体成功率可能跌至不足36%71% 相似待验证Agent在多步骤任务中存在错误累积效应，每步95%准确率的十步串联后成功率跌至约60%70% 相似已验证在10步工程任务中若每步成功率为90%，整体任务完成率约35%；若每步成功率提升至99%，整体成功率则跃升至90%70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/511163

API

curl https://kongchang.com/api/v1/knowledge/claims/511163

MCP

get_claim(id=511163)