待验证50% 置信基准精确时间
自我反思循环（LLM评审）架构的端到端成功率为63.8%，规格漂移失败率为22.8%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/17
首次发现
有效期至：2027/1/15
来源
涉及实体
相关事实
待验证在5智能体对话集群架构（非结构化Markdown交接）中，规格漂移失败率为48.4%，静默工具错误传播率为79.0%，过早终止率为34.2%，端到端成功率为18.5%。75% 相似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。69% 相似待验证在具体实验案例中，重叠锚点方案（n=912）显示模型55.2%对多数类51.1%，净优势+4.1pp，约2.4个标准误；非重叠锚点方案（n=163）显示59.5%对54.0%，净优势+5.5pp，约1.4个标准误。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1054834API
curl https://kongchang.com/api/v1/knowledge/claims/1054834MCP
get_claim(id=1054834)