待验证50% 置信事实精确时间
τ-bench 的每个任务附带域政策文档，规定退款、改签、换货的条件，Agent 需在多轮对话中满足用户诉求且不违反政策；评测指标包括任务成功率和政策违规率。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证托管式Agent运行时通常包括任务队列与调度、跨步骤状态持久化、错误重试与断点续跑、资源管理及可观测性等能力75% 相似待验证任务令牌（Task Token）机制在Agent任务启动时由可信协调层签发包含任务描述和权限范围的令牌，每次资源调用需携带并比对是否在意图范围内74% 相似待验证可观测性（记录每一步推理和工具调用）、错误恢复（工具超时、API限流、格式解析失败）、成本控制是决定Agent能否真正上线的关键因素。71% 相似待验证调度任务在无人值守情况下触发，因此Agent的输出必须具备幂等性并需要完善的日志与告警机制69% 相似待验证严格的Agent编程工具基准通常会考量单轮提示平均token消耗、任务完成率、代码可运行率、人工干预次数以及SWE-bench、HumanEval等标准化benchmark得分69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1007499API
curl https://kongchang.com/api/v1/knowledge/claims/1007499MCP
get_claim(id=1007499)