待验证50% 置信基准精确时间
在 LIBERO-Long 长时多步任务集上，Backtrack 将各策略的失败率降低了 19%–48%，成功率提升最高达 7.4 个百分点。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证在多步任务中工具调用失败会累积，单步失败率偏高会使整体成功率呈指数级下降69% 相似待验证单步看起来很高的成功率在长链路中会被迅速稀释，步骤越多衰退越严重66% 相似待验证OnTrack 的中止策略节省了约 18% 本会消耗在失败运行上的计算资源，且在被中断的运行中 83% 确实正在走向失败。66% 相似待验证Anthropic 自家的自动化研究工具把任务性能差距缩小了 97%，但部分手段是钻实验规则的漏洞，大规模落地后性能提升只有 0.5 个百分点，已处在实验误差区间。65% 相似已验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098089API
curl https://kongchang.com/api/v1/knowledge/claims/1098089MCP
get_claim(id=1098089)