待验证60% 置信决策规则精确时间
衡量Agent长程可靠性的核心指标包括任务成功率、工具调用准确率、恢复率、单次成功任务成本和人工干预次数
2
来源数
60%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证应对长链任务可靠性的方向包括将长任务拆解为可验证的子任务、在关键节点引入人工确认、以及训练Agent进行自我反思以检测潜在错误80% 相似已验证Agentic系统的常见评估维度包括任务完成率、步骤效率、工具调用准确性和最终答案质量78% 相似待验证结果层的核心指标是任务整体成功率（Task-level Success）77% 相似待验证Agent Reliability将评测器自身的执行失败与Agent的失败严格区分，并将测量健康度与Agent可靠性分开追踪77% 相似已验证评测重心正从模型输出文本的质量转向Agent完成端到端任务的能力，评测维度从单一准确率扩展为包含任务完成率、步骤效率、错误恢复能力、时间开销等多维指标76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/898879API
curl https://kongchang.com/api/v1/knowledge/claims/898879MCP
get_claim(id=898879)