待验证50% 置信事实精确时间

FDE-Gym的实验显示即使Agent掌握了全部关键事实，转化成功率仍不足一半，说明当前模型在长链路复杂任务上的规划与执行能力存在系统性短板

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

FDE-Gym基准：AI交付最后一步为何卡住

涉及实体

相关事实

待验证在Agent系统中，上下文（而非模型能力）是真正的性能瓶颈72% 相似待验证轻量模型在高难度任务上的失败往往是结构性的，切换模型比优化提示词更务实71% 相似待验证即便在领先模型上，精确的时序与空间定位仍然是尚未解决的核心挑战，模型在粗粒度语义理解上表现尚可，但在精确定位任务上有明显缺口。70% 相似待验证在评估Agent能力时，行动完成率（task completion rate）比推理流畅度更能说明模型的可靠性70% 相似待验证其中一次运行因缺少一个归一化步骤，成绩跌破了最朴素的diff方法，说明预处理步骤对此类任务有决定性作用70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1041825

API

curl https://kongchang.com/api/v1/knowledge/claims/1041825

MCP

get_claim(id=1041825)