待验证50% 置信基准精确时间
在多智能体辩论平衡压力测试中，团队错误率从50.0%提升到59.5%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
一句话攻破LLM智能体：隐式推理关系成认知攻击面
rss2026/10/17
涉及实体
相关事实
待验证在 n=100 且正负样本各半的条件下，55% 准确率的 95% 置信区间大致在 45%–65%，覆盖 50% 的基线，因此 5 个百分点的差距可能是随机波动。68% 相似待验证CLM训练中仅预训练在困难负样本测试上得52%，加上困难负样本阶段跳升到69%；若从第一天就用困难负样本训练则峰值只有62%且很快过拟合；缺少重放会使困难负样本分数从69%跌回56%67% 相似待验证研究显示误报率超过50%时,质量工具的实际价值趋近于零67% 相似待验证在MATH数据集的Level 5竞赛级难题上，前沿模型准确率仍低于60%67% 相似部分验证在500次自动化压力测试中，无约束对话式Agent的工具调用失败率为28.6%，而类型化Bot Skill+MCP架构为1.2%，降低95.8%66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074748API
curl https://kongchang.com/api/v1/knowledge/claims/1074748MCP
get_claim(id=1074748)