待验证50% 置信基准精确时间

在容错评估中，全部十个故障场景都达到了预期结果，且没有产生未经批准的外部副作用

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

Text2Dashboard：自然语言生成企业仪表盘的受控Agent架构

涉及实体

Text2Dashboardproduct

相关事实

待验证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）66% 相似待验证由于非确定性存在，同一个Eval应运行6到10次以观察正确率分布区间并计算标准差与误差61% 相似待验证在演示中约11个度量里有10个被成功转换并批准，仅1个不支持，自动化程度约90%61% 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61% 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0.9460% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983066

API

curl https://kongchang.com/api/v1/knowledge/claims/983066

MCP

get_claim(id=983066)