待验证50% 置信基准精确时间
在文章中，DeepEval 默认模式下重跑三次有 7 条回复的通过/失败结论至少翻转一次；手工固定 evaluation_steps 后，翻转数降到 3 条，一致率从 31/40 升到 35/40。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/13
首次发现
有效期至：2027/1/11
来源
涉及实体
相关事实
已验证在长链路任务中，若每一步约5%的错误率，经过20步后整体成功率可能跌至不足36%73% 相似已验证ReAct的误差会链式放大：若每步准确率为p，经过n步后整体成功率约为p的n次方，单步95%准确率经过10步后整体成功率约降至59.9%，20步后仅剩35.8%71% 相似待验证该实验运行在第 14 个会话达到论文设定的适应标准（连续三个会话通过），前 36 个会话中 bold rate 和 list rate 两个指标均呈下降趋势71% 相似待验证消融分析显示片段范式微调在测试集带来+5.29分提升，而用2000检索词替换前4500转录词仅带来+1.55分提升71% 相似待验证4步推理可能导致质量损失，社区用户认为6到8步才是让画面正确成形的大致底线70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1018297API
curl https://kongchang.com/api/v1/knowledge/claims/1018297MCP
get_claim(id=1018297)