待验证50% 置信基准精确时间

斯坦福研究团队在对早期Agent系统评估中发现，单步5%的错误率在10步任务中可导致超过40%的最终失败率

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/8

首次发现

有效期至：2026/10/6

来源

元认知反馈：用强化学习让大模型准确表达不确定性

hackernewshackernews2026/7/7

相关事实

待验证Agent在多步骤任务中存在错误累积效应，每步95%准确率的十步串联后成功率跌至约60%78% 相似待验证2023年斯坦福研究显示，在需要连续多步决策的任务中，现有Agent系统的成功率随步骤数呈指数级下降76% 相似待验证斯坦福大学人机交互研究组实验显示，即便自动化系统建议明显错误，参与者采纳错误建议的概率仍高达60%以上76% 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%75% 相似待验证斯坦福大学的AgentBench基准测试（2023年）量化证明，在复杂多步骤任务中纯ReAct范式的成功率往往不超过30%73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/279896

API

curl https://kongchang.com/api/v1/knowledge/claims/279896

MCP

get_claim(id=279896)