待验证50% 置信事实精确时间

大语言模型驱动的Agent具有非确定性，同样的输入未必得到同样的结果，因此评估需要考虑多次运行和统计通过率

1

来源数

50%

置信度

长期有效

时效性

2026/9/14

首次发现

来源

Agent评估框架深度解析：自建还是采用现成工具？

涉及实体

大语言模型concept

相关事实

待验证单个大语言模型Agent面对多步骤复杂任务时，会出现上下文窗口溢出、角色混淆、输出质量下降等问题74% 相似待验证Agent类应用因输出为开放式自然语言，缺乏传统模型明确的准确率指标，评估困难72% 相似待验证模型评测正在从传统知识问答转向Agent能力与实际编码能力的比拼72% 相似待验证在LangGraph多智能体系统中，Agent交接时传递完整对话转录会浪费token和推理算力，并引入误读风险，因为下游Agent需要重新发现哪些决策已确定、哪些工具结果权威、哪些问题未解决72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/921270

API

curl https://kongchang.com/api/v1/knowledge/claims/921270

MCP

get_claim(id=921270)