待验证50% 置信基准精确时间
作者用12个真实 listing 每个跑两次共24次生成进行测试，其中17次首次即为 ready，7次进入 confirm，0次失败，平均耗时5.5秒，总成本0.0035美元。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/18
首次发现
有效期至：2027/1/16
来源
涉及实体
相关事实
待验证在100个注入故障条件（瞬时网络超时、模式不匹配、空搜索结果）下对四种企业代理架构进行基准测试，朴素自反思循环的无约束失控率为42.0%，失败任务中位Token消耗148,500，平均故障时间18.4分钟，单次财务风险12.40美元。76% 相似待验证该基准测试使用10篇200到250词的原创短文档，埋入18处异常，共37个评分条目（18脏19净），测试13个模型，每个模型74条prompt73% 相似待验证作者实测一百万次字节取模，前6个条目落在约101,000次，后4个约97,500次，卡方检验p值几乎为零。71% 相似待验证测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）68% 相似待验证基准测试通常只计算一次成功调用的成本，完全忽略真实工作流中的反复试错，若只统计一次成功调用成本就等于默认重试率为零，与实际账单严重脱节。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1059601API
curl https://kongchang.com/api/v1/knowledge/claims/1059601MCP
get_claim(id=1059601)