待验证50% 置信基准精确时间
在240个问题的测试中，ReAct的正确率为59.6%，Plan-execute为61.7%，Supervisor为65.0%，Draft-verify为63.7%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证一个拥有1800行测试用例的评估套件长期稳定在97%的聚合通过率，但其中64行多语言切片的通过率只有61%73% 相似待验证在基准测试中，Logistic Regression 达到 86.7% 总体准确率、100.0% 冲击召回率、0.0% 步频误报。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%72% 相似待验证对 177 个验证器判定结果的人工审查显示准确率达到 97.7%71% 相似待验证在100张工单测试集中，SupportOps-AI的升级错误率为18%，幻觉率为6%，死循环率为3%，完全失败/未解决率为4%。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1053852API
curl https://kongchang.com/api/v1/knowledge/claims/1053852MCP
get_claim(id=1053852)