待验证50% 置信事实精确时间

研究人员经人工验证确认了91个失败，并将其归入7个失败位点（failure locus）

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

智能体工具交互的静默失败：ToolUniverse审计研究

涉及实体

静默失败concept

相关事实

待验证在带命题约束的任务中，模型整合已验证为无效候选的比例高达93%–100%67% 相似待验证测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）67% 相似待验证使用每个状态的行为特征进行失败预测，在留出集上AUROC最高达到0.9466% 相似待验证在正负样本比为1:99的欺诈检测任务中，将所有样本预测为'非欺诈'的模型也能获得99%的准确率65% 相似待验证一个 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65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946016

API

curl https://kongchang.com/api/v1/knowledge/claims/946016

MCP

get_claim(id=946016)