待验证50% 置信决策规则精确时间

赢家判定逻辑为先按平均分从高到低排序，平均分相同则看完成率，仍打平则比步骤数量少者

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/12

首次发现

有效期至：2027/1/10

来源

用Docker云沙箱打造自主A/B测试AI代理实战

涉及实体

sbx-ab-agentproduct

相关事实

待验证在歧义点的四类行为中，'先搜再问'成功率最高，平均通过率达93.4%，远高于'直接猜'的56.5%，'搜多次再猜'为51.5%73% 相似待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现68% 相似待验证在奖励差距较大的智能体配对上，决策分歧率低于1%68% 相似待验证研究数据表明，在数学竞赛级别问题上，启用深度推理的模型准确率可从不足30%提升至80%以上67% 相似待验证平衡准确率的计算方式为各类别召回率的算术平均，用于应对类别不平衡问题67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003676

API

curl https://kongchang.com/api/v1/knowledge/claims/1003676

MCP

get_claim(id=1003676)